Text Recognition OCR

@jayakumar

Reconnaissance textuelle-OCR

Formation du nouveau modèle TR à l'aide de Tesseract OCR Engine 5.2 avec de nouvelles polices.

Tesseract OCR

Ce projet est basé sur Tesseract OCR -5.2

Nous pouvons ajouter de nouvelles polices et former le modèle de reconnaissance de texte sur l'image ou le PDF avec la meilleure précision.

Nous utilisons le modèle LSTM ENG actuel comme modèle de base.

Veuillez utiliser le dépôt officiel de Tesseract pour la configuration et modifier les exigences en utilisant ce référentiel pour une formation et des tests supplémentaires.

Pour le chargement des pages, donnez le nom de la police dans l'argument de Fontlist et donnez également le nom du répertoire à Output_dir Train / qui est-ce que vous êtes créé dans le chemin "Tesseract-5.2.0-rc1 / train /"

Sudo Src / Training / Tesstrain.sh --fonts_dir / usr / local / share / fonts --fontlist 'Digital-7 mono' 'Vitali SlA de SlA Tessdata --Save_box_tiff --maxpages 500000 --output_dir Train / Directory_name

Installation et formation

Courir ./autogen.sh

Courir ./configure --enable-debug

Courir

Exécuter Make Installer

Exécuter ldconfig

Faire fonctionner la formation

Faire fonctionner l'installation d'entraînement

Exécutez apt installer python3-Pip

Exécutez cp ./fonts/* / usr / local / share / fonts /

Exécutez Chmod + x /ocr/training/auto.old.sh

Env TessData_prefix = / OCR / Training / TessData

Entrée ["/ocr/training/auto.old.sh"]