所以我正在训练自适应分类器（Tesseract中的默认引擎）。 但是我遇到了一些麻烦，文档非常分散和/或缺失。
我正在为一个非常小的数据集开始训练，我想我刚开始使用arial black，直到我收集更多关于我的主题的数据。 我想识别化妆品上的标签（丹麦语），这只是一个列表（以逗号分隔的单词）。而且只有非常具体的词，特别是：
SMOR， OST， 酸奶， 聚物， ylette， fløde， 奶昔， laktose， mælkesukker， animalsk fedtstof， animalsk olie， smørolie， bagermargarine， 人造黄油， minarine， risbagemel， inddampetmælk， mælkebestanddele， mælketørstof， tørmælk， mælkepulver， skummetmælkspulver， sødmælkspulver， mælkeprotein， 乳清蛋白， kasein， kaseinat， calciumkaseinat， kaliumkaseinat， natriumkaseinat， 山谷， valleprotein， vallepulver， mælk，
以大写字母开头的相同词语（例如：“Vallepulver”）。 但是我一直无法找到适合这种形态的配置文件，我虽然我应该利用DAWG系统作为准确性和速度非常重要。
到目前为止，我采取了以下步骤： 使用jTessboxeditor生成.box文件 使用tesseract imagefile filename.exp0将.box文件转换为.tr文件，框nobatch box.train 然后使用unicharset_extractor filename.exp0.box提取unicharset 创建一个字体属性文件，其中包含以下内容：arial 1 0 0 0 0 然后用“mftraining”“cntraining”对角色特征进行聚类 将所有文件重命名为我选择的语言名称 创建包含上述列表的wordlist 使用wordlist2dawg将wordlist转换为lang.words.dawg 最后将数据与combine_tessdata lang结合起来。 但我仍然在经历非常不准确的结果（我使用scantailor预先处理图像，然后将它们送到Tesseract），这是我正在测试的图像（.tif格式）：
https://drive.google.com/file/d/0B8e0HDFGiNZOOXpWbUQwc0l3N2xqYlE3SGN4d1BPcHlxQVRn/view?usp=sharing
系统只能识别上面列表中的单词（列表和图像之间的唯一匹配因此是“牛奶”）。
任何关于我可能做错/改进的建议（特别是在我不存在的配置中）都会非常令人沮丧，因为我现在已经挣扎了很长时间了。
真诚的绝望的书呆子。