Text Recognition OCR

@Jayakumar

文本識別官

使用帶有新字體的Tesseract OCR引擎5.2培訓新的TR模型。

Tesseract OCR

該項目基於Tesseract OCR -5.2

我們可以添加新字體，並以最佳準確性在圖像或PDF上訓練模型以識別文本識別。

我們將當前最佳LSTM ENG模型用作基本模型。

請使用官方的Tesseract倉庫進行設置，並使用此存儲庫更改要求進行進一步的培訓和測試。

為了加載頁面，在fontlist參數中給出字體名稱，並在output_dir train/是在“ tesseract-5.2.0-rc1/train/train/”路徑中創建的目錄名稱。

sudo src/training/tesstrain.sh - -fonts_dir/usr/usr/local/share/fonts - frantlist'Digital-7 mono''vitali slab fat，常規的'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

安裝和培訓

運行./autogen.sh

運行./configure-可啟動

運行

運行slotit

運行ldconfig

運行訓練

運行訓練安裝

運行APT安裝Python3-PIP

運行cp ./fonts/*/usr/local/share/fonts/

運行chmod +x/ocr/training/auto.old.sh

env tessdata_prefix =/ocr/training/tessdata

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