Text Recognition OCR

@Jayakumar

Texto-reconhecimento-ococ

Treinando o novo modelo TR usando o Tesseract OCR Engine 5.2 com novas fontes.

TESSERACT OCR

Este projeto é baseado no TESSERACT OCR -5.2

Podemos adicionar novas fontes e treinar o modelo para reconhecimento de texto na imagem ou em PDF com melhor precisão.

Estamos usando o melhor modelo atual do LSTM Eng como modelo básico.

Use o repositório oficial do TESSERACT para configurar e altere os requisitos usando este repositório para treinamento e teste adicionais.

Para o carregamento, as páginas dão o nome da fonte no argumento da Fontlist e também dê o nome do diretório em OUTPUT_DIR/O que é criado no caminho "TESSERACT-5.2.0-RC1/Train/"

sudo src/treinamento/tesstrain.sh ---fonts_dir/usr/local/share/fontes--fontlist 'digital-7 mono' 'vitali gordura, céu regular' 'em ousada'--lang-linedata_only ----langdata_dir langdata_lstm-linedata_only ----langdata_dir langdata_lstm-linedata_only TessData -Save_box_tiff -MAXPAGES 500000 -OU -output_dir Train/Directory_Name

Instalação e treinamento

Run ./autogen.sh

Run ./configure --enable-debug

Correr make

Run Make Install

Execute LDConfig

Run Make Training

Run Make Training-Install

Run Apt Install python3-pip

Execute cp ./fonts/*/usr/local/share/fontes/

Execute chmod +x /ocr/training/auto.old.sh

Env TessData_prefix =/OCR/Treinamento/TessData

EntryPoint ["/ocr/training/auto.old.sh"]