训练Tesseract 3.02的最佳方法 [英] Best method to train Tesseract 3.02

问题描述

我想知道针对特定类型的文档训练Tesseract(文本/TIFF等)的最佳方法是什么，

i'm wondering what is the best method to train Tesseract (kind of text/TIFF and so on) for a particular kind of documents, with these particularities:

• 文档的结构和正文始终相同
• 唯一改变的是5个字母数字代码(这是真正重要的检测对象！)
• 其中一些代码为粗体

当我使用标准训练有素的数据时，我检测了整个文本，并使用一些正则表达式对代码进行了推断. 没关系，但有时会出现错误，例如:

At the moment I used standard trained datas, I detect the entire text and I extrapolate the codes with some regular expressions. It's okay, but I've got errors sometimes, for example:

0/O

L/I/1

请有人知道一些技巧"以提高精度?

Please someone knowns some "tricks" to improve precision?

谢谢！

推荐答案

在Tesseract的培训过程中，您必须手动制作文件以提供给引擎，以指定不明确的字符.

during training part of Tesseract, you have to make a file manually to give to the engine in order to specify ambiguous characters.

有关更多信息，请参见 Tesseract文档中的"unicharambigs"部分.

For more information look at the "unicharambigs" part of the Tesseract documentation.

最好的问候.

这篇关于训练Tesseract 3.02的最佳方法的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！