使用多重tiff进行Tesseract训练

Question

如果我使用多重tiff训练Tesseract，盒子文件怎么样？

更准确地说：盒子文件的Y坐标如何对应于页面中的Y坐标？

Answer 1

框文件中的最后一个第6列表示从零开始的页码。

https://github.com/tesseract-ocr/tesseract/wiki/Make-Box-Files

更新

https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract

  

每个字体应放在一个多页tiff和盒子文件中   可以修改以指定每个字符后的页码   该坐标。因此，可以任意大量的训练数据   为任何给定的字体创建，允许大型培训   字符集语言。

即使你可以拥有你想要的大型训练文本，也可能导致不必要的大图像，从而减慢训练速度。