Dodawanie nowych czcionek do Tesseract 3

Question

Próbuję dodać nowe czcionki do tesseract ocr. Śledzę this tutorial, ale mam pewne problemy.

Oto co zrobiłem do tej pory:

1. Utwórz dokument szkolenie

   convert eng.myfont.exp0.pdf eng.myfont.exp0.tif

2. Pociąg Tesseract

   tesseract eng.myfont.exp0.tif eng.myfont.exp0 batch.nochop makebox

   Stworzyło mój eng.myfont .exp0.box plik.

   Otwieram plik za pomocą moshpytt i upewniam się, że został on poprawnie wykryty.

3. RSS plik skrzynki z powrotem do tesserakt

   tesseract eng.myfont.exp0.tif eng.myfont.exp0.box nobatch box.train.stderr

   mam ten wynik:

   Tesseract Open Source OCR v3.03 Silnik z Leptonica
   APPLY_BOXES:
   Skrzynki czytać from boxfile: 146
   Znaleziono 146 dobrych plam.
   SZKOLENIA ... nazwa czcionki = myfont.exp0
   Wygenerowane dane treningowe do 6 słów

   • plików eng.myfont.exp0.box.tr i eng.myfont.exp0.box.txt generowane

4. spróbować wykryć zestaw znaków używanych w pliku skrzynki (to gdzie ja utknąć)

   unicharset_extractor *.box

Wynik:

unicharset_extractor: nie znaleziono polecenia

ja też tred unicharset_extractor eng.myfont.exp0.box z takim samym skutkiem.

Używam:

• tesseract 3,03
• leptonica-1,70
• libgif 4.1.6 (?): Libjpeg 8d: libpng 2.1.50: libtiff 4.0.3: zlib 1.2. 8: webp 0.4.0
• Ubuntu 14.04.1 LTS

Answer 1

narzędzi szkoleniowych dla Tesseract 3.03 RC zostały pominięte w Ubuntu 14.04. Więc albo cofnij się do Tesseract 3.02, albo przejdź na Ubuntu 14.10, który powinien go mieć.

Answer 2

Ok, google to dla ciebie.Oto odpowiedź:

Musisz uruchomić wszystkie polecenia w tym samym folderze, w którym znajdują się pliki wejściowe.

Od:

• https://code.google.com/p/tesseract-ocr/issues/detail?id=945 i
• https://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3#Background_and_Limitations