tesseract-ocr 4.1.1 chi_sim.traineddata字体如何生成？

xinjian555 2020-08-09 07:13:10

使用最新版本的tesseract-ocr 4.1.1 ，
官方只提供4.0 的chi_sim.traineddata

4.1.1的要如何生成？

感谢

...全文

182 回复打赏收藏举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

Tesseract 是一款由HP实验室开发，现由Google维护的开源OCR（Optical Character Recognition，光学字符识别）引擎。自从2006年开源以来，它以其开源性质、跨平台能力以及相对较高的识别准确率，成为了业界广泛使用的OCR工具之一。Tesseract支持多种操作系统，包括Windows、Linux和MacOS，并且能够识别多种语言文字。

Tesseract最初由HP实验室于1985年开发，2005年开源并由Google接手维护。从早期基于规则和模板匹配的识别方式，逐步演进为Tesseract 4.x中引入的LSTM（长短期记忆）深度学习架构，实现了端到端的文本序列识别。其核心由图像预处理、文本行检测、字符分割与识别、语言模型校正四大模块构成，支持超过100种语言，其中chi_sim模型专用于简体中文识别。中的lstm-data。

本仓库提供了一个用于Tess4J图文识别的中文字体库文件 `chi-sim.traineddata`。该文件是OCR（光学字符识别）技术中的关键资源，适用于中文文本的识别与处理。 ## 使用说明 1. **下载资源**：首先，下载本仓库中的压缩包文件。 2. **解压文件**：将下载的压缩包解压，得到包含 `chi-sim.traineddata` 文件的文件夹。 3. **放置文件夹**：将

最近项目需要做图片上的文字识别，在网上找了很久，这方面的知识挺多的，但是很杂。将最近学习到的东西整理一下，仅供参考。 1、Tesseract OCR 介绍我就不说了，自行百度，或者访问：https://github.com/tesseract-ocr 在这个下面你需要关心两个项目： tesseract：开源的识别引擎，里面包含Android的项目 tessdata：字体识别库（ch

Tesseract作为开源光学字符识别（OCR）领域的核心引擎之一，自1985年由HP实验室研发以来，历经多次技术迭代。最初采用基于规则和统计模型的识别方式，识别精度受限于字体与排版复杂度。2006年Google接手并开源后，推动其架构现代化，逐步支持多语言、高精度文本识别。关键转折发生在Tesseract 4.0版本引入LSTM（长短期记忆）深度学习网络，显著提升对连体字、模糊文本的识别能力。

70,040

社区成员

243,237

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