tesseract 训练自己的字库说明

tessecract训练数据,OCR      

  如果你的数据不止一个tif你可以使用jTessBoxEditor工具合并成一个tif文件。因为我这里只有一个图片,所以就不需要打包成一个文件了,图片的名字有一定命名要求的,比如可以num.font.exp0.tif,我这里命名的是myfontlab.normal.exp0.tif

1.制作自己的box:
tesseract myfrontlab.abcd.exp0.tif myfrontlab.abcd.exp0 -l chi_sim batch.nochop makebox

2.使用jTessBoxEditor  打开tif文件,调整文字

3.产生特征文件

tesseract myfrontlab.abcd.exp0.tif myfrontlab.abcd.exp0 nobatch box.train

4.生成一个unicharset文件

unicharset_extractor myfrontlab.abcd.exp0.box

5.定义字体特征文件 font_properties

6.聚集字符特征

shapeclustering -F font_properties -U unicharset myfrontlab.abcd.exp0.tr

mftraining -F font_properties -U unicharset -O unicharset myfrontlab.abcd.exp0.tr

生成五个文件

cntraining myfrontlab.abcd.exp0.tr

修改五个文件相关的文件名,全部增加normal.

combine_tessdata normal.

验证字体
tesseract myfrontlab.abcd.exp0.png result1 -l normal

### 使用Tesseract OCR训练自定义字体库 #### 软件环境搭建 为了使用Tesseract OCR来训练自定义字体库,首先需要构建合适的软件环境。这包括下载并安装Tesseract-OCR官方命令行工具[^1]。可以从指定链接获取最新版本的安装程序,并按照提示完成安装过程。 安装完毕之后,需将Tesseract所在的文件夹路径加入系统的环境变量里以便于全局调用该工具。验证安装成功与否的方法是在CMD窗口内键入`tesseract -v`查看是否能正常显示版本信息[^2]。 #### 创建训练数据集 准备阶段至关重要的是收集足够的样本图片用于后续处理。这些图像应当尽可能覆盖目标字体的各种形态变化以及可能遇到的不同背景情况。对于每一张图而言,还需要提供相应的ground truth文本文件(.gt.txt),其内容即是对应该张图片中的文字字符串[^3]。 #### 生成训练材料 有了上述的基础资料后就可以着手制作Box文件了——这是指通过特定方式标注出各个字符位置坐标的文档;接着利用这些box文件连同对应的图像一同送入Tesseract进行进一步分析得到font_properties描述符和unicharset编码表等必要组件。 #### 开始正式训练流程 当所有前期准备工作都已完成,则可以启动实际意义上的训练环节。此过程中会涉及到一些参数配置选项的选择,比如设置期望达到的最大迭代次数或是调整学习速率等等。最终目的是让机器学会如何更精准地区分不同类型的字符特征从而提高整体识别效率。 #### 测试与评估新字库性能 经过一轮或多轮次的学习优化之后便可以获得一组新的语言/字符模型文件(通常是以.traineddata结尾)。此时建议先选取部分未参与过之前任何步骤的新样例来进行初步评测看效果如何。如果满足预期则可考虑将其部署至生产环境中投入使用;反之亦然继续改进直至满意为止。 ```bash # 假设已经完成了前面所有的预处理工作 tesseract eng.train.exp0.tif eng.train.exp0.box batch.nochop makebox ... # 进行一系列必要的转换操作后 shapeclustering -F font_properties -U unicharset *.tr mftraining -F font_properties -U unicharset -O myscript.unicharset *.tr cntraining *.tr ... # 合成最后的traineddata文件前几步省略 combine_tessdata myscript. ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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