我试图用图像而不是字体来训练Tesseract 4。
在docs中，他们只解释了字体的方法，而不是图像。
我知道它是如何工作的，当我使用Tesseract的早期版本但我没有得到如何使用box / tiff文件在Tesseract 4中使用LSTM进行训练。
我调查tesstrain.sh，用于生成LSTM训练数据，但无法找到任何有用的信息。有什么想法吗？
答案 0 :(得分：5)
在https://github.com/tesseract-ocr/tesstrain上复制tesstrain回购。
您还需要克隆tessdata_best存储库https://github.com/tesseract-ocr/tessdata_best。这是您训练的起点。要获取准确性，需要数十万个训练数据样本，因此使用一个好的起点，您可以使用少得多的数据来微调您的训练（大约数十到数百个样本就足够了）
将训练样本添加到名为./tesstrain/data/my-custom-model-ground-truth的tesstrain存储库中的目录中
您的训练样本应该是图像/文本文件对，它们共享相同的名称但具有不同的扩展名。例如，您应该有一个名为001.png的图像文件，它是文本foobar的图片，而您应该有一个名为001.gt.txt的文本文件，其中文本为foobar。
这些文件必须是一行文字。
在tesstrain存储库中，运行以下命令：
make training MODEL_NAME=my-custom-model START_MODEL=eng TESSDATA=~/src/tessdata_best
培训完成后，将有一个新文件tesstrain / data / .traineddata。将该文件复制到目录中，Tesseract搜索模型。在我的机器上，它是/ usr / local / share / tessdata/。
然后，您可以运行tesseract并将该模型用作语言。
tesseract -l my-custom-model foo.png -