Tesseract-OCR 简单的中文数字混合训练

最新推荐文章于 2024-09-13 22:16:47 发布
最新推荐文章于 2024-09-13 22:16:47 发布
阅读量5.2k 收藏 12
点赞数 1
分类专栏： OCR
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/majiahuiCSDN/article/details/81312026
版权
本文介绍了如何使用Tesseract-OCR 4.0和jTessBoxEditorFX 2.0.1进行中文数字的训练。首先下载所需软件和数据，然后通过创建PNG图片、使用jTessBoxEditorFX合并TIFF、生成并编辑BOX文件，再通过命令行工具进行训练，最后合并生成traineddata文件并测试。
摘要由CSDN通过智能技术生成

提示，我当前Tesseract-OCR 版本是 4.0 ，jTessBoxEditorFX是2.0.1

1.下载Tesseract-OCR 链接

2.下载jTessBoxEditorFX 链接，如果中文一定要选择FX版本（基于Java，需安装JDK）

3.Tesseract-data目录 Github，下载下来将需要的文件放到Tesseract-OCR安装目录下的tessdata目录下

4.将Tesseract-OCR目录配置到环境变量（不添加也行，比较麻烦）

 

中文训练步骤

1.创建一个png文件（其他格式也行）

2.打开jTessBoxEditorFX，Tools -- Merge TIFF选择文件，注意选择格式，输入文件名 mychi.myfont.exp0.tif，点击确定，图片目录下会出现一个tif格式文件

最低0.47元/天 解锁文章
「已注销」
关注
专栏目录
Tesseract训练字库研究中的一些问题和解决方案
Orion_O的博客
08-20 1300
通过收集更多训练数据、调整参数和使用适合的字符集等方法，可以提高Tesseract的字符识别准确率，并通过布局分析工具和后处理操作解决排版错误问题。在进行Tesseract训练字库的研究过程中，我们可能会遇到一些问题，例如字符识别准确率不高、识别结果排版错误等。解决方案：在Tesseract识别过程中，有时会出现识别结果排版错误的情况，例如字符顺序颠倒、缺失等。这样可以提高对不同字体样式的适应性。调整训练参数：根据具体情况调整Tesseract的训练参数，例如学习率、迭代次数等，以获得更好的训练效果。
Tesseract数字识别库
11-16
Tesseract 金额数字识别库
基于模板匹配和谷歌开源TESSERACT库的字符识别，包含数字，字母和汉字的识别
04-10
最近在做一个关于复杂场景下车牌识别的项目，对字符识别进行了研究。目前OCR的发展主要是基于模板匹配，TESSERACT库以及现在流行的深度学习方法进行识别。压缩包里有两个工程文件，一个是基于模板匹配的字符识别（标准模板库已经做好放进去了，不需要自己在做，直接运行就可以了），另一个是使用谷歌开源TESSERACT库的字符识别，可以实现手写字母（大小写均可）识别，准确率达到92%以上。
Tesseract 语言训练数据包常见问题解答
最新发布
gitblog_07233的博客
09-13 375
Tesseract 语言训练数据包常见问题解答 tessdata Tesseract Language Trained Data 项目地址: https://gitcode.com/gh_mirrors/tes/tessdata ...
Tesseract 金额数字识别库
08-16
网上英文和中文识别包特别大，如果只想识别数字有些浪费控件。本包是为中文金额服务，才187kb
Tesseract 数字识别库
09-27
相比tesseract自带eng识别库，此库只包含0-9个数字和小数点，在经过矫正训练后，对数字识别效果不错。在本人博客中会有训练的图片和识别的图片
基于Tesseract训练的数字识别研究
张伟的专栏
01-29 2402
征地档案数字识别研究与应用 1 永州市自然资源与规划勘测事务中心 湖南 永州425000 摘要：针对征地档案数据整理建库工作中界址点坐标电子数据缺失现象，当前主要通过人工识别档案资料并且将坐标数据抄录进入数据库的方式，但是存在工作效率低下、审核成本高等问题。为提高征地档案数据整理建库工作效率，本文基于Tesseract训练机制，在此基础上开发数字识别程序实现永州市经济技术开发区征地红线图...
tesseract-ocr-setup-3.02.02.exe
11-28
此外，还可以通过训练Tesseract OCR来适应特定字体或样式，提高特定场景下的识别准确性。 **多语言支持** Tesseract OCR支持多种语言，包括中英文混合识别。对于中文识别，需要确保安装了包含中文语言包的数据文件...
ubuntu下使用Tesseract-ocr(编译、安装、使用、训练新的语言库)
热门推荐
William Zhao's notes
05-09 2万+
本文前半部分是来自http://www.qisanfen.com/?p=185的一篇文章，主要讲了安装、训练的大致流程，注意如果需要训练语言库需要把所需要的库安装完整 后半部分大致是官方wiki的翻译版本 如果只安装，不训练，可以看我的另一篇比较简洁的文章http://blog.csdn.net/yimingsilence/article/details/51276138 关于训
使用 Tesseract 在 C# 中进行光学字符识别（OCR）
仰望星空的博客
03-02 3614
你可以根据需要对 Tesseract 进行自定义配置，例如设置识别的分辨率、识别模式等。// 只识别数字// 设置自定义变量本文只讲述了简单的使用方法，未涉及字库训练，识别的准确率与训练的字库有关。
tesseract-ocr的简体中文训练数据
03-20
tesseract-ocr的简体中文语言训练数据，来自google官网，可以用于中文的图片验证码识别，对于比较标准的字体还是有不错的识别率的
Tesseract中文包+英文包
05-24
Tesseract默认是不支持中文的，如果想要识别中文或者其它语言需要下载相应的语言包，下载地址如下：https://tesseract-ocr.github.io/tessdoc/Data-Files ，一个Chinese-Simplified和Chinese-Traditional，它们分别是简体中文和繁体中文，下载完成后我们需要放到Tesseract的路径下的tessdata目录下。
文字识别Tesseract-OCR tessdata eng.traineddata OCR识别训练数据文件
05-30
1. 样本图片准备 2. 打开 jTessBoxEditor ，选择 Tools -> Merge TIFF，打开对话框，选择训练样本所在文件夹，并选中所有要参与训练的样本图片 3 弹出保存对话框，还是选择在当前路径下保存，文件命名为ty.cp.exp6.tif 4. tesseract ty.cp.exp6.tif ty.cp.exp6 -l ty batch.nochop makebox 5. 打开 jTessBoxEditor ，点击 Box Editor -> Open ，打开步骤2中生成的ty.cp.exp6.tif ，会自动关联到 “ty.cp.exp6.box” 文件： 6. 使用echo命令创建字体特征文件 echo cp 0 0 0 0 0>font_properties. 输入内容 “cp 0 0 0 0 0” 7. 使用 tesseract 生成 ty.cp.exp6.tr 训练文件 在终端中执行以下命名： tesseract ty.cp.exp6.tif ty.cp.exp6 nobatch box.train 8. 生成字符集文件 在终端中执行以下命令： unicharset_extractor ty.cp.exp6.box 9. mftraining -F font_properties -U unicharset -O ty.unicharset ty.cp.exp6.tr 与 cntraining ty.cp.exp6.tr 生成之后手工修改 Clustering 过程生成的 4 个文件（inttemp、pffmtable、normproto、shapetable）的名称为 [lang].xxx。这里改为 ty.inttemp、ty.pffmtable、ty.normproto、ty.shapetable。 10. 合并数据文件 在终端中执行以下命令： combine_tessdata ty. tesseract b01.jpg result -l ty --psm 7
采用tesseract3.02+mfc+opencv提取中文、英文、数字字符
02-24
采用tesseract3.02+mfc+opencv提取中文、英文、数字字符
tesseract-2.01.rar_01数字识别_OCR 数字_OCR文字识别_tesseract-ocr_数字OCR
07-15
ocr源码 文字、英文、数字智能识别，已经配置好的tesseract-2.01，采用vc6.0编译，使用方法见里面说明，不压缩的tif和单色bmp识别
tesseract中文数据包的安装
luopeng12345的博客
04-19 5286
中文数据包下载地址 没有中文数据包的tesseract只有两种语言可用 在cmd中这样显示 C:\Users\luopeng>tesseract --list-langs List of available languages (2): eng osd 我们将下载的chi_sim中文数据包放置在C:\Program Files\Tesseract-OCR\tessdata目录下（我的tes...
tesseract 训练数据基本步骤
eiffel_0311的博客
03-27 2万+
unbunt 18.04 安装tesseract jar 包：jTessBoxEditor　下载 1. 生成tif jTessBoxEditor -> tools -> merge tif 2. 生成box 文件 tesseract chi_sfz.normal.exp0.tif chi_sfz.normal.exp0 -l chi_sim batch.nochop makebox...
Tesseract训练识别数字
soband_xiang的专栏
01-02 6342
Tesseract训练识别数字一、软件环境1.安装Tesseract 3.0.22.安装jTessBoxEditorFX训练工具二、训练前需要准备的素材1.多张包含数字的图片三、开始训练1. 新建一个名为 font_propertities 的文本文件2. 用jTessBoxEditorFx将多个图片合并成一个包含多页图片的tif文件3. 创建Box文件4. jTessBoxEditorFx打开B...
Tesseract-OCR5.1.0中文识别与训练工具资源包
tesseract-ocr5.1.0是该软件的一个稳定版本，它包含了许多改进和新增的功能，特别是在中文识别和训练方面。 在描述中提到的资源主要包括以下几个方面： 1. 汉字识别库：这一部分资源包括了多种针对中文识别的训练...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值