Tesseract-OCR 4.0LSTM训练流程 (Windows环境下）

最新推荐文章于 2024-06-20 18:27:29 发布
最新推荐文章于 2024-06-20 18:27:29 发布
阅读量7.3k 收藏 17
点赞数 11
分类专栏： 图文字识别 文章标签： Tesseract-OCR3.0和4.0以上版本进行训练步骤 图文字识别 光文字识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_30110069/article/details/98742701
版权
本文介绍了在Windows环境下使用Tesseract-OCR 4.0 LSTM进行训练的详细步骤，包括生成.tif和.box文件、.lstmf文件、提取.lstm文件、创建训练文件列表、训练模型、合并文件生成新的.traineddata，并最终应用于OCR识别。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

**

Tesseract-OCR 4.0LSTM训练流程 (Windows环境下）**

目前网上关于tesseract3.0版本的训练过程很多，但是基于lstm的4.0版本的训练几乎没有，自己深受困扰，后经过自己努力终于成功训练，特地写下来希望可以av帮助需要的人。

首先根据网上的教程安装tesseract4.0以上的版本，这里不详细说明如何安装。

1. 准备训练文本.txt格式的文件和字体文件font，里边包含.ttf格式的字体文件
在这里插入图片描述
在这里插入图片描述
2. 利用text2image生成.tif和.box文件
从font和.txt所在的目录下，通过cmd进入命令窗口，输入以下内容

text2image --text="D:\new_05\text.txt" --outputbase="D:\new_05\zth.font.exp0" --fontconfig_tmpdir="%temp%"
 --font="HGMaruGothicMPRO" --fonts_dir="D:\new_05\font"

其中每个参数的意义为：

–text=“D:\new_0

最低0.47元/天 解锁文章
Tesseract-OCR5.0 Lstm 训练
czq834850410的博客
12-02 2956
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
【OCR】win10环境下Tesseract-OCR 4.0LSTM训练流程
ayayayayo的博客
08-09 2585
下载mnist数据集，并处理数据到tif和box格式。 其中每一个tif和box文件都保存了10个数字，对于60000数据样本，总共生成6000张图片。tif+box文件数目共12000。 jTessBoxEditor合并待训练图片，生成并调整.box文件 使用jTessBoxEditor工具，选择Tools–Merge TIFF，选择第一步中生成的所有tif文件，并设置合并后的TIFF文件名为nml.num.exp0，nml是语言名，num是字体名，exp0是版本号。训练过程应保持这种命名习惯。..
使用text2image将文字转换成图片
何超杰的博客
08-10 1万+
语法： text2image –text=training_text.txt –outputbase=[lang].[fontname].exp0 –font=’Font Name’ –fonts_dir=/path/to/your/fonts 示例： training/text2image –text=training_text.txt –outputbase=eng.Tim...
Tesseract-OCR 4.1 LSTM训练方法
热门推荐
胡椒面er
09-17 1万+
曾参考此处->：https://blog.csdn.net/qq_30110069/article/details/98742701 Tesseract-OCR 4.1 LSTM训练流程 (win10环境) 一、配置tesseract 4.1版本 可通过自行编译源码或者下载安装文件安装tesseract。最新的tesseract 4.1 LSTM版无法找到安装文件，通过编译源码生成如下目录：...
Tesseract-OCR 5.0 LSTM训练 - 血的教训
03-15 771
​由于工作需要识别一些验证码，图形不复杂。调用别人家的库花了不少冤枉钱，产生了自己搞的想法。网上的教程大都过期了。经过很久的折腾终于找到这篇教程 https://www.cnblogs.com/nayitian/p/15240143.html比较靠谱。作者大神自己可以避坑，我等菜鸟就惨了。又折腾了两天，终于在无数次准备放弃之后，终于找到的错误的地方。过程中，openchat功劳不小。啥时候中国可以自己搞出来啊！！
Tesseract-OCR 5.0LSTM训练
最新发布
FL1623863129的博客
06-20 1021
下载所需语言的.traineddataw文件,放入同级文件夹,此为chi_sim语言（第一次用tesseract\tessdata目录下的chi_sim.traineddata报错了,找了很多博客 建议去。语法: tesseract [tif文件名] [生成文件名(一般情况与tif名字一样注意没有后缀)] -l [语言库] --psm [psm值] lstm.train。–model_output 模型训练输出的路径(模型训练文件,会自动生成output_checkpoint文件可以用于后期训练)
tesseract-ocr4.0 简体中文语言安装包.zip
03-16
"chi_sim.traineddata"是专为tesseract-ocr4.0设计的简体中文训练数据文件，用于识别中文字符。这个数据文件包含了训练模型所需的信息，使Tesseract能准确识别中文文本。在处理中文图像时，这个文件是必不可少的。 ...
tesseract-ocr 4.0 for windows.zip
05-30
**Tesseract OCR 4.0 for Windows：深度学习与图像识别的力量** Tesseract OCR（Optical Character Recognition，光学字符识别）是一种强大的文本识别引擎，最初由惠普公司开发，后来成为了谷歌的一个开源项目。它...
ocr python tesseract训练_【OCR】win10环境下Tesseract-OCR 4.0LSTM训练流程
weixin_39530839的博客
12-15 286
本文使用tesseract 4.0 LSTM版本训练mnist数据集。安装过程见此博客：https://blog.csdn.net/ayayayayo/article/details/107811559训练步骤如下：1. 下载mnist数据集，并处理数据生成.tif和.box文件。本文使用Pytorch中的MNIST类进行数据下载，将10个数字拼接成一张tif图片用于后期合成输入Tesseract...
全网最全最细Tesseract-OCR 5.0LSTM训练
欢迎来到我的博客
07-24 5084
最近在研究ocr，网上查了很多关于tesseract帖子，大多数都是一篇文章复制粘贴，对于一个初入者没有任何帮助,本文以最全最细的角度，按着步骤包上手
tesseract4.0用于OCR
03-01
tesseract4.0是最新的版本，加入了深度学习LSTM，其性能较之前版本有较大改进。
tesseract-4.0.0-2018最新版
09-12
Tesseract，一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不断增强；如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。
lstm_training
05-12
训练LSTM网络 多层递归神经网络（LSTM，RNN），用于使用Tensorflow的Python中的字符级语言模型，并经过修改以与和 基于 。 要求 设置安装了tensorflow的python环境。 用法 1）火车 在/data文件夹中，使用数据名称创建一个新文件夹。 在该文件夹中应该有一个名为input.txt文件（将许多小的不同的.txt文件连接为一个大的训练文件的快速提示： ls *.txt | xargs -L 1 cat >> input.txt ），然后运行： python train.py --data_dir=./data/my_own_data 您可以指定超参数： python train.py --data_dir=./data/my_own_data --rnn_size 128 --num_layers 2 --seq_length 64 --batch_si
tesseract-ocr5 lstm 训练过程
weixin_36385007的博客
04-01 1159
1. 安装tesseract-ocr5 https://digi.bib.uni-mannheim.de/tesseract/ 2. 使用jTessBoxEditor 生成tif文件 3. 生成box文件 tesseract nml.num.exp0.tif nml.num.exp0 -l eng --psm 6 batch.nochop makebox 4. jTessBoxEditor调整.box文件 jTessBoxEditor手动调整 5. 生成lstm文件 ./t...
Tesseract-OCR 简单的中文数字混合训练
MJH优快云的博客
07-31 5393
提示，我当前Tesseract-OCR 版本是 4.0 ，jTessBoxEditorFX是2.0.1 1.下载Tesseract-OCR 链接 2.下载jTessBoxEditorFX 链接，如果中文一定要选择FX版本（基于Java，需安装JDK） 3.Tesseract-data目录 Github，下载下来将需要的文件放到Tesseract-OCR安装目录下的tessdata目录下 4...
主流深度学习OCR文字识别方法对比：Tesseract（LSTM）、CTPN+CRNN、Densenet
张伟的专栏
01-22 6405
本文链接：https://blog.csdn.net/lovebyz/article/details/84959818 也是几个月前的项目了，由于手头事儿多，也已经转交给别的同事去继续优化。本博客仅做个简单的记录用。 这里是Tesseract（LSTM）、CTPN+CRNN、Densenet三个方法测试结果对比（结果不是最优，代码也经过优化）: PS：官方Tesseract-...
How to train your neural network?（如何训练你的神经网络）
weixin_43874070的博客
04-12 378
How To train a Neural Network: 原始文章地址 Gradient check your implementation with a small batch of data and be aware of the pitfalls. As a sanity check, make sure your initial loss is reasonable, and that you can achieve 100% training accuracy on a very small
Tesseract训练新字体
baoolong的博客
12-30 1666
最近工作需要，要对特定字体准确识别，用官方下载的eng识别库，错误率比较高，不能满足要求，所以就踏上了训练字库的征程，我说下我寻找的几种训练方法 注意： Tesseract-OCR 和 Tesseract 不是同一个东西 1. Tesseract-OCR手动训练，需要自己生成或收集样本图片，然后用jTessBoxEditor手动纠正识别错误的地方，然后敲命令生成各种文件，总体来说太慢太麻烦，容易出错，效果不佳 2. 仍然是Tesseract-OCR训练，这次智能化一点了，采用LSTM技术，可以自动训练
从头开始训练自己的 Tesseract 5 LSTM 识别库（超详细）
watt的博客
04-11 1万+
从头开始训练自己的 Tesseract 5 LSTM中文识别库，过程超详细，按这个步骤都可以训练自己的专有库提高识别精度。
安装包解析：Tesseract-OCR 4.0简体中文语言包
资源摘要信息:"tesseract-ocr4.0 简体中文语言安装包.zip" 知识点详细说明： 1. Tesseract-OCR 简介： Tesseract-OCR 是一款开源的文字识别（Optical Character Recognition，简称OCR）引擎，由HP实验室开发，后来...
评论 80
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值