Text Recognition OCR

@Jayakumar

文本识别官

使用带有新字体的Tesseract OCR引擎5.2培训新的TR模型。

Tesseract OCR

该项目基于Tesseract OCR -5.2

我们可以添加新字体，并以最佳准确性在图像或PDF上训练模型以识别文本识别。

我们将当前最佳LSTM ENG模型用作基本模型。

请使用官方的Tesseract仓库进行设置，并使用此存储库更改要求进行进一步的培训和测试。

为了加载页面，在fontlist参数中给出字体名称，并在output_dir train/是在“ tesseract-5.2.0-rc1/train/train/”路径中创建的目录名称。

sudo src/training/tesstrain.sh - -fonts_dir/usr/usr/local/share/fonts - frantlist'Digital-7 mono''vitali slab fat，常规的'falling Sky，Bold'，bold' - lang eng engata_only-lingedata_only -langdata_data_dir langdata_langdata_lsta_lsta_lstm-------------- tessdata -save_box_tiff -maxpages 500000 -oxput_dir train/directory_name

安装和培训

运行./autogen.sh

运行./configure-可启动

运行

运行slotit

运行ldconfig

运行训练

运行训练安装

运行APT安装Python3-PIP

运行cp ./fonts/*/usr/local/share/fonts/

运行chmod +x/ocr/training/auto.old.sh

env tessdata_prefix =/ocr/training/tessdata

entrypoint [“/ocr/training/auto.old.sh”]