Tesseract 训练数据

TrainingTesseract 4.00 Finetune 迁移学习

参考文档: https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract-4.00---Finetune

依赖项准备

在终端键入以下命令,准备训练依赖项:

  1. git clone https://github.com/tesseract-ocr/tesseract.git
  2. git clone https://github.com/tesseract-ocr/langdata.git
  3. git clone https://github.com/tesseract-ocr/tessdata.git
  4. cp ./tessdata/eng.traineddata ./tesseract/tessdata
  5. cp ./tessdata/chi_sim.traineddata ./tesseract/tessdata

开始训练

  1. 进入tesseract项目目录: cd ./tesseract
  2. 键入训练命令:
training/tesstrain.sh --fonts_dir /usr/share/fonts --training_text ../training_data/part.txt --langdata_dir ../langdata --tessdata_dir ./tessdata --lang chi_sim --linedata_only --noextract_font_properties --exposures "0" --fontlist "SIMSUN" --output_dir ~/tesstutorial/chitest
  1. mkdir -p ~/tesstutorial/chituned_from_chisim
  2. combine_tessdata -e ../tessdata/chi_sim.traineddata ~/tesstutorial/chituned_from_chisim/chi_sim.lstm
  3. lstm训练
lstmtraining --model_output ~/tesstutorial/chituned_from_chisim/chituned --continue_from ~/tesstutorial/chituned_from_chisim/chi_sim.lstm --train_listfile ~/tesstutorial/chitest/chi_sim.training_files.txt --eval_listfile ~/tesstutorial/chitest/chi_sim.training_files.txt --target_error_rate 0.01

lstmtraining --model_output ~/tesstutorial/chituned_from_chisim/chituned.lstm \
  --continue_from ~/tesstutorial/chituned_from_chisim/chituned_checkpoint \
  --stop_training

combine_tessdata -o ./tessdata/chi_sim.traineddata \
  ~/tesstutorial/chituned_from_chisim/chituned.lstm \
  ~/tesstutorial/chitest/chi_sim.lstm-number-dawg \
  ~/tesstutorial/chitest/chi_sim.lstm-punc-dawg \
  ~/tesstutorial/chitest/chi_sim.lstm-word-dawg

测试

training/lstmeval --model ~/tesstutorial/chituned_from_chisim/chi_sim.lstm \
  --eval_listfile ~/tesstutorial/chitest/chi_sim.training_files.txt

training/lstmeval --model ~/tesstutorial/chituned_from_chisim/chituned_checkpoint \
  --eval_listfile ~/tesstutorial/chitest/chi_sim.training_files.txt

training/lstmeval --model ~/tesstutorial/chituned_from_chisim/chituned.lstm \
  --eval_listfile ~/tesstutorial/chitest/chi_sim.training_files.txt

tesseract ../training_data/00.jpg ../training_data/output -l chi_sim -psm 7


cp ../tessdata/chi_sim* ./tessdata

TrainingTesseract 4.00 Replacing Top Layer 迁移学习

training/tesstrain.sh --fonts_dir /usr/share/fonts --lang chi_sim \
   --training_text ../training_data/part.txt \
   --linedata_only --noextract_font_properties \
   --langdata_dir ../langdata --tessdata_dir ./tessdata \
   --output_dir ~/tesstutorial/chisim

training/tesstrain.sh --fonts_dir /usr/share/fonts --lang nor \
   --linedata_only --noextract_font_properties \
   --langdata_dir ../langdata --tessdata_dir ./tessdata \
   --fontlist "SIMSUN" \
   --output_dir ~/tesstutorial/chisimeval

mkdir -p ~/tesstutorial/chisim_layer

combine_tessdata -e ../tessdata/chi_sim.traineddata \
  ~/tesstutorial/nor_layer/chisim.lstm

 lstmtraining -U ~/tesstutorial/chisim/chisim.unicharset \
  --script_dir ../langdata  --debug_interval 0 \
  --continue_from ~/tesstutorial/chisim_layer/chisim.lstm \
  --append_index 5 --net_spec '[Lfx256 O1c105]' \
  --model_output ~/tesstutorial/chisim_layer/chisimlayer \
  --train_listfile ~/tesstutorial/chisim/chisim.training_files.txt \
  --eval_listfile ~/tesstutorial/chisimeval/chisim.training_files.txt \
  --max_iterations 5000

lstmtraining --model_output ~/tesstutorial/chisim_layer/chisimlayer.lstm \
  --continue_from ~/tesstutorial/chisim_layer/chisimlayer_checkpoint \
  --stop_training

cp ../tessdata/chi_sim.traineddata ./tessdata

combine_tessdata -o ./tessdata/chi_sim.traineddata \
~/tesstutorial/chisim_layer/chisimlayer.lstm \
~/tesstutorial/chisim/chisim.lstm-number-dawg \
~/tesstutorial/chisim/chisim.lstm-punc-dawg \
~/tesstutorial/chisim/chisim.lstm-word-dawg
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 198,932评论 5 466
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,554评论 2 375
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 145,894评论 0 328
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,442评论 1 268
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,347评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 47,899评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,325评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,980评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,196评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,163评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,085评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,826评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,389评论 3 302
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,501评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,753评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,171评论 2 344
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,616评论 2 339

推荐阅读更多精彩内容

  • 本篇文章是旧版本的训练教程,适应于新版本的训练流程请查看:http://www.jianshu.com/p/7a2...
    RobertY阅读 2,254评论 1 0
  • afinalAfinal是一个android的ioc,orm框架 https://github.com/yangf...
    passiontim阅读 15,373评论 2 44
  • 题库特殊字符语言包训练流程(新) 上篇文章介绍了一些特殊字符语言包的训练流程,然而没过几天,github上的tes...
    RobertY阅读 6,941评论 11 6
  • 不是每件事都会顺心,不是每个人都可以贴心,不是没句话都会称心!听到不顺耳的话,我们可以选择性的屏蔽。“左耳进右耳出...
    假面具er阅读 377评论 0 0
  • 作文的难点:构思,搭配框架。框架搭建好了,再填充内容,作文的难度就降下来了。 围绕题目,确定好主题,抓取关键词。关...
    叶两步阅读 3,023评论 4 50