Tesseract 数据训练

最新推荐文章于 2024-07-08 09:38:15 发布
最新推荐文章于 2024-07-08 09:38:15 发布
阅读量1.1k 收藏
点赞数
分类专栏： 以上内容部分来自谷歌百度
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/qq_36271235/article/details/104053746
版权
本文详细介绍了如何使用Tesseract进行数据训练，包括合并样本文件、生成.box文件、使用JtessBoxEditor编辑、训练.lstmf文件、从.traineddata中提取.lstm文件、创建训练文件列表、进行LSTM训练、合并checkpoint和.traineddata，最后将新训练的语言数据应用到Tesseract中进行识别测试。
摘要由CSDN通过智能技术生成

    1. Merge合并样本文件   生成后缀为.tif格式文件  khm.font.exp0.tif

            Tool->merge tiff  (jTessBoxEditor工具)

 

     2. 生成 .box文件 khm.font.exp0.box (注意-l khm –psm)

tesseract khm.font.exp0.tif khm.font.exp0 -l khm –psm 7 batch.nochop makebox

     3. 使用JtessBoxEditor 开启之前生成的.tif文件

 

    4. 修正调整并保存

 

5. 利用.tif和.box文件生成.lstmf文件用于lstm训练

tesseract khm.font.exp0.tif khm.font.exp0 -l khm --psm 7 lstm.train

6. 从已有的.traineddate中提取.lstm 文件(khm语言数据)

下载地址:https://github.com/tesseract-ocr/tessdata_best

最低0.47元/天 解锁文章
Y_Y..
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
从头开始训练自己的 Tesseract 5 LSTM 识别库（超详细）
watt的博客
04-11 1万+
从头开始训练自己的 Tesseract 5 LSTM中文识别库，过程超详细，按这个步骤都可以训练自己的专有库提高识别精度。
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-ocr 字库训练（提高识别率进阶版）
最新发布
m0_60769905的博客
07-08 2085
打开 jTessBoxEditor ，点击Box Editor ->Open ，打开 mjorcen.normal.exp0.tif，会自动关联到“mjorcen.normal.exp0.box”文件，这两文件要求在同一目录下，调整完点击“save”保存修改。执行如下命令： tesseract mjorcen.normal.exp0.tif mjorcen.normal.exp0 nobatch box.train。执行下面命令，执行完之后，会在当前目录生成zwp.test.exp0.tr文件。
Tesseract 3 语言数据的训练方法
lhfslhfs的专栏
02-23 2287
Tesseract 3 语言数据的训练方法 2011-07-16 15:02:31 · 作者: 五帝 · 标签: 软件应用 需要用到的程序 (1) Tesseract 3.00 (2) Tesseract 3.00 Bugfix (3) CowBoxer 1.01 (4) Universal Extractor 1.61 (非必需) 使用 Univer
Tesseract:训练
你那么爱笑，家里人知道吗？
07-15 4223
Tesseract:训练 05 May 2015 目录 资源文件资源文件的训练 数据准备图像与BOX文件生成字符集文件与字体信息文件生成特征文件生成聚集[可选]添加配置文件、歧义修正文件、DAWG文件打包 资源文件 在上一篇文章中已经讲述了 Tesseract 的基本使用，同时也提到， Tesseract 在识别是需要使用存储在磁盘上的 "语
Tesseract使用JTessBoxEditor训练数据.txt
06-04
Tesseract训练数据
tesseract 英文训练库数据文件
02-18
为提高tesseract识别度，需配置语言包。本文件是英文环境的语言包。
Tesseract 训练终于成功了
qq_32152485的博客
03-07 1554
前后总共用了两个星期的时间，一有空就各种试，各种失败，终于成功了。Tesseract OCR数码管数字的样本训练使用tesseract训练自己的字库提高识别率裁剪TessdataTesseract OCR训练时碰到的问题和解决方案。
TesseractOCR 训练集
04-13
这个压缩包提供的“Tesseract OCR 训练集”包含了不同语言和功能的数据文件，分别是 chi_sim.traineddata（简体中文训练数据）、eng.traineddata（英文训练数据）以及 osd.traineddata（页面布局分析数据）。...
Tesseract中文训练库
06-08
Tesseract中文训练库是专为Tesseract OCR（Optical Character Recognition，光学字符识别）引擎定制的一个数据集，用于提高Tesseract在识别中文字符时的准确性和效率。Tesseract是一款开源的OCR软件，由HP开发并在...
tessdata训练库
12-25
中文tesseract训练库，和其他。。。。。。。。。。。。。。。
tessdata中文训练库
03-05
最新tessactOcrIOS 中文训练库，非常好用。 下载完成后放到项目文件的tessdata目录下就可以使用了。 tesseract语言设置(swift示例): let tesseract = G8Tesseract(language: "chi_sim")
tessdata字体训练全套工具（内含中文简体字库）
11-27
tesseract-ocr中文简体字库,tesseract-ocr作为一款开源、免费的OCR引擎，能够支持中文十分难得。虽然其识别效果不是很理想，但是对于要求不高的中小型项目来说，已经足够用了。如果想提高中文的识别率可以运用jTessBoxEditor进行有针对性的训练，本资源包含了格式转换器以及训练时候遇到的问题解决心得。
Tesseract中文数据库chi_sim.traineddata
04-19
将下载好的中文数据库chi_sim.traineddata复制到Tesseract-OCR默认安装目录的C:\Program Files\Tesseract-OCR\tessdata
tessdata_best:最佳（最准确）的经过训练的LSTM模型
05-10
tessdata_best –最佳（最准确）的训练模型 该存储库包含训练有素的模型。 这些模型仅适用于Tesseract 4的LSTM OCR引擎。 有关其他信息，请参见。 存储库中的所有数据均根据Apache-2.0许可获得许可，请参阅文件 。
Java使用Tesseract4.0训练字库并且识别训练后的图片
02-24
本资源包括工具（zip）和训练好的模型以及一个java文件 工具：jTessBoxEditor工具用于调整图片上文字的内容和位置 训练好的模型在tessdata下面。注：在java代码下使用训练好的模型，训练后的模型必须放 到tessdata...
tesseract-ocr训练数据步骤
西门一刀的博客
07-21 755
jTessBoxEditor工具是采用Tesseract的一款专业的orc样本识别训练软件，基于java开发而来，可以进行Tesseract样本训练，形成自己的语言库,提高图片文字的识别率和准确率。
java tessdata训练_Tesseract - 使用LSTM引擎训练
weixin_32744173的博客
02-26 547
最近将族谱数字化，需要用到OCR软件。选择了Tesseract，但是官网的指南不是很亲切，所以记录了一些要点和脚本。要点族谱通常是竖向编排的，所以psm(页面分割模式)选项要用5。合并多图，要先将图单独转换成tif格式，再进行合并。LSTM引擎生成的盒子都是一条条的，和Legacy引擎框住单个字符的不一样。LSTM盒子文件每一列文字最后要有一行\t开头的座标以示分隔。训练时最好使用阈值“--tar...
Tesseract 数据训练
04-25
Tesseract是一个开源的OCR（Optical Character Recognition，光学字符识别）引擎，由Google开发并维护。它可以将图像中的文字转换为可编辑的文本。Tesseract支持多种语言，并且可以通过数据训练来提高识别准确性。 Tesseract的数据训练主要包括以下几个步骤： 1. 收集训练数据：首先需要收集大量的训练数据，包括图像和对应的文本标注。这些图像应该涵盖各种不同的字体、大小、风格和背景等。 2. 准备训练数据：将收集到的图像和对应的文本标注进行处理，生成Tesseract可接受的训练数据格式。这通常涉及到将图像转换为Tesseract所需的tif格式，并生成对应的box文件，用于标注每个字符的位置。 3. 字符集合生成：根据训练数据中的文本标注，生成字符集合文件，用于定义Tesseract需要识别的字符范围。这个文件通常是一个包含所有可能字符的文本文件。 4. 训练模型：使用Tesseract提供的训练工具，将准备好的训练数据和字符集合文件进行训练。这个过程会生成一个训练好的OCR模型文件，用于后续的文字识别。 5. 评估和调优：训练完成后，需要对训练得到的模型进行评估和调优。可以使用一些测试数据来评估模型的准确性，并根据评估结果进行调整和改进。 6. 应用模型：最后，将训练好的模型应用到实际的OCR任务中。可以使用Tesseract提供的API或命令行工具来进行文字识别。
评论
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