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
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

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 2,381评论 1 0
  • afinalAfinal是一个android的ioc,orm框架 https://github.com/yangf...
    passiontim阅读 15,642评论 2 45
  • 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 7,212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 387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 3,231评论 4 50