tesseract 4.1.1文字识别训练过程及工具(Vs,C#)

2021/8/23 11:35:49

本文主要是介绍tesseract 4.1.1文字识别训练过程及工具(Vs,C#),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

1.工具

  1.tesseract 4.1.1下载

    https://digi.bib.uni-mannheim.de/tesseract/

  2.训练工具

    https://github.com/serak/serak-tesseract-trainer

  3.Box文件编辑工具

    https://github.com/scotts48/tesseract-box-editor.git

  4.Tiff合并工具

    https://github.com/Darkseal/MergeTIFF.git

2.步骤

  准备:

    下载代码编译训练工具,box编辑工具和tiff合并工具.

  步骤:

  1.准备要训练的图片文件,保存成tiff

  2.用Tiff合并工具,将tiff图片文件合并成一个文件

  

 

 

 

  3.配置训练工具,包括配置tesseract的路径和语言名称.

    

 

  4.使用训练工具步骤1,添加图片并为tiff图片生成box文件

    第一次生成box时,使用create new box 按钮,使用系统默认的语言识别图片并生成Box文件,

    当我们自己已经有训练好的对应语言的训练数据时,可以用bootstrapping a new character 按钮,用自己的识别数据识别图片来生成Box,

  

 

 

 

  5.使用box文件编辑工具,编辑Box文件

  这里主要是修改自动生成的文字边框和识别错误的字符

 

 

 

  6.使用训练工具的步骤2,生成字体属性文件

  7.使用训练工具的步骤3,4,进行训练,并合并成最终结果

3.说明

  serak-tesseract-trainer 训练工具,主要就是对tesseract的命令行的界面话,直接使用命令行训练其实也是可以的,网上这种介绍很多,比如下面这篇

  https://www.cnblogs.com/mtcnn/p/9411786.html

  好多资料用的box编辑器都是jTessBoxEditor ,这个需要下载java环境,我懒得下载安装,所以才找的tesseract-box-editor这个工具.

 

 



这篇关于tesseract 4.1.1文字识别训练过程及工具(Vs,C#)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程