网站怎么推广比较好,游戏开发工程师,做vip视频网站侵权,湛江网站建设方案书准备jTessBoxEditor#xff0c;然后配置环境变量。
1、将图片转换成tif格式的#xff0c;这里需要用画图工具另存为#xff1b;
2、生成box文件
执行命令#xff1a;
tesseract agv.normal.exp1.tif agv.normal.exp1 -l eng --psm 6 batch.nochop makebox
关于box文件…准备jTessBoxEditor然后配置环境变量。
1、将图片转换成tif格式的这里需要用画图工具另存为
2、生成box文件
执行命令
tesseract agv.normal.exp1.tif agv.normal.exp1 -l eng --psm 6 batch.nochop makebox
关于box文件的生成对于Tesseract3可以使用makebox但是对于Tesseract的lstm训练需要使用lstmbox。否则再后面会报如下的错误。 生成lstmbox的命令如下
D:\agvtest2tesseract agv.normal.exp1.tif agv.normal.exp1 -l eng lstmbox
关于PSM的说明
0 仅方向和脚本检测 (OSD)。
1 自动页面分割带 OSD。
2 自动页面分割但无 OSD 或 OCR。(未执行
3 完全自动页面分割但无 OSD。(默认值
4 假设一列文字大小可变。
5 假定垂直对齐的单个统一文本块。
6 假定单个统一的文本块。
7 将图像视为单一文本行。
8 将图像视为单个单词。
9 将图像视为圆圈中的单个单词。
10 将图像视为单个字符。
11 文本稀疏。不按特定顺序查找尽可能多的文本。
12 带 OSD 的稀疏文本。
13 原始行。将图像视为单行文本、
3、校正box文件中的信息
使用jTessBoxEditor打开tif文件。执行train.bat打开jTexxBoxEditor.jar 校正完成后一定要点保存。如下 关于box文件的内容这里需要注意。它与tesseract3生成的box格式有所区别。
下面是tesseract5中识别的内容。 文档中说明了一行内容之后必须标注一个结束行。 4、下载训练文件
从github仓下载traineddata_best类型的traineddata文件可以选择eng.traineddata用来初次训练字体下载地址https://github.com/tesseract-ocr/tessdata_best下载后保存在当前工作目录下另外拷贝一份到系统变量“TESSDATA_PREFIX”路径下也即tesseract安装路径的tessdata\\文件夹下这里一定要下载tessdata_best目录下面的不能是tesssdata下面的否则后面会报
eng.lstm is an integer (fast) model, cannot continue training
这样的错误。
同时将eng.traineddata文件复制一份到图片目录下如下所示。 5、生成生成基于通用模型的lstm文件
D:\agvtest2combine_tessdata -e eng.traineddata eng.lstm可以看到目录下多了一个eng.lstm文件 6、生成lstmf文件
如果前面使用的是makebox生成的lstmf文件需要将lstmf文件删除重新执行一下生成listbox的命令。生成lstmf文件的执行命令
tesseract agv.normal.exp1.tif agv.normal.exp1 --psm 6 lstm.train 可以看到目录下多了一个lstmf文件 7、设置.lstm文件路径
新建一个eng.trainingfile.txt文件在文件中填写lstmf文件的完整路径。 8、开始训练
新建output目录执行命令
D:\agvtest2lstmtraining --model_outputoutput\agv.traineddata --continue_fromD:\agvtest2\eng.lstm --train_listfileD:\agvtest2\eng.trainingfile.txt --traineddataD:\agvtest2\eng.traineddata --debug_interval -1 --max_iterations 5000 --target_error_rate 0.01
注意路径冒号不要有空格 –modeloutput 模型训练输出的文件目录 –continue_from 训练从哪里继续这里指定从上面提取的 eng.lstm文件 –train_listfile 指定上一步创建的文件的路径 –traineddata 指定.traineddata文件的路径 –debug_interval 当值为-1时训练结束会显示训练的一些结果参数 –max_iterations 指明训练遍历次数 –target_error_rate 0.01 期望错误率 此时命令窗口中会有滚动的训练历程这一步操作比较耗费时间。
如果在第8步的时候报了“Compute CTC targets failed for D:\agvtest2\agv.normal.exp1.lstmf”需要检查一下box文件内容的格式是否是采用listbox生成的如果不是重新生成一次并重新校正内容在重新生成lstmf文件。
命令执行成功后看到如下的日志信息 然后在output目录下生成了一些output_checkpoint文件如下所示。 9、生成traineddata文件
执行命令
D:\agvtest2lstmtraining --stop_training --model_outputoutput\agv.traineddata --continue_fromD:\agvtest2\eng.lstm --traineddataeng.traineddata
–stop_training 停止训练
–traineddataeng.traineddata 训练使用的字体当前工作目录下
–continue_fromD:\agvtest2\eng.lstm 中间文件名称
--model_outputoutput\agv.traineddata 生成字体文件的traineddata文件名称
可以看到在output目录下生成了agv.traineddata文件。 10、测试训练的模型
将agv.traineddata文件拷贝到tesseract的tessdata目录下 执行命令
D:\agvtest2tesseract 2.jpg result -l agv
如下所示 输出了识别结果到result.txt文件中但识别结果不准。
11、提升准确率
从前面的训练步骤可以看到开始训练时需要用到一个已经存在的字体eng.traineddata比如第5步抽取它的lstm文件、第9步的训练等。既然这个原始字体训练出来的新字体识别的准确率不高很可能跟选择的这个初始字体有关那是不是可以用我们训练好的新字体替代eng.traineddata再训练一次呢这样产生的第2代的新字体是不是可以有更好地表现如此迭代多次之后得到第3代、第4代、第5代字体呢 将eng.traineddata相关的内容替换为agv.traineddata新生成的第2代字体取名为agv2依次替代命令行里面的参数训练第2代字体类似的方法再训练出第3、第4、第5代字体将每一代字体都用测试集进行测试。 常见问题解决
1、Deserialize header failed: D:\agvtest2\agv.normal.exp1.lstmf 这是因为在eng.trainingfile.txt文件中lstmf文件路径的换行符问题如下所示。 将其中的CR去掉只保留LF。
最简单的解决办法是去掉2个换行符\r\n(CR LF)。 当使用多个lstmf文件训练时每个文件名之间必须要保留一个换行符则必须去掉\r(CR)符号只保留\n(LF)。去掉的方式如下所示。
