tesseract如何对大量的样本进行训练？

comeonbabe_ 2019-03-28 12:22:37

我按照网上的教程来识别一张图片中的文字、出错、jtessBoxEditor来修改、再训练出自己的数据集，但是这个训练出来的traineddata只能识别出这张图片中的那种字体和对应的字，这是不是意味着如果每一次用官方的简体中文训练数据来识别时产生错误，都要用这种方法去修改、训练然后再组合起来呢？那这样是不是太麻烦了一点。
有没有一种方法让机器自己去纠正呢？求教各位。

...全文

212 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

遗失的陈雪锋 2021-10-29

打赏
举报

回复

用keras/pytorch实现训练
https://github.com/xiaofengShi/CHINESE-OCR

在财务领域，纸质报表向电子报表的转换需要大量的人工和时间成本。本文探究了纸质财务报表的自动识别过程，通过预处理、表头和表格区域的分割提取、单元格分割、字符提取与识别、表格还原等过程实现报表图片的转换，在实现报表信息便捷存储和查询的同时，也克服了人工录入的低效率、高成本等缺点。实验结果表明，该算法能有效实现图像的倾斜校正，且无需设置提示框限定拍摄范围；能有效分割表格格式的字符，其准确率为99.3%，无需手动框选待识别字符；字符识别准确率为93.7%，其中数字识别的准确率为97.8%，总体字符识别准确率相较Tesseract提升了8.1%。

这篇报告主要介绍两个内容：1.tesseract ocr训练样本库相关工具和命令2.训练好的样本库在Android应用中的使用目的是为了解决，如何快速识别恶意广告中延迟出现的叉号。这种方式其实就是将叉号默认识别为X，整个训练的样本图片都是来自于应用中的叉号图片，最终也只需要识别X。这样训练出的样本库在进行ocr识别时速度会加快很多。

本节课介绍在Android系统平台基于OpenCV与Tesseract-OCR框架实现对身份证号码识别技术为例，探讨移动平台上实际项目中OCR识别的常规处理流程与相关算法介绍

训练Tesseract 大多数其他的验证码都是比较简单的。例如，流行的 PHP 内容管理系统 Drupal 有一个著名的验证码模块(https://www.drupal.org/project/captcha)，可以生成不同难度的验证码。那么与其他验证码相比，究竟是什么让这个验证码更容易被人类和机器读懂呢? 字母没有相互叠加在一起，在水平方向上也没有彼此交叉。也就是说，可以在每...

目录案例三：执行 JavaScript 语句参考阅读：训练Tesseract 创建样本库训练Tesseract 案例三：执行 JavaScript 语句隐藏百度图片 from selenium import webdriver driver = webdriver.PhantomJS() driver.get("https://www.baidu.com/") # ...

其他开发语言

3,424

社区成员

15,635

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章