Tesseract 訓(xùn)練數(shù)據(jù)

TrainingTesseract 4.00 Finetune 遷移學(xué)習(xí)

參考文檔: https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract-4.00---Finetune

依賴項(xiàng)準(zhǔn)備

在終端鍵入以下命令,準(zhǔn)備訓(xùn)練依賴項(xiàng):

  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

開始訓(xùn)練

  1. 進(jìn)入tesseract項(xiàng)目目錄: cd ./tesseract
  2. 鍵入訓(xùn)練命令:
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訓(xùn)練
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

測(cè)試

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 遷移學(xué)習(xí)

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
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

  • 本篇文章是舊版本的訓(xùn)練教程,適應(yīng)于新版本的訓(xùn)練流程請(qǐng)查看:http://www.itdecent.cn/p/7a2...
    RobertY閱讀 2,455評(píng)論 1 0
  • afinalAfinal是一個(gè)android的ioc,orm框架 https://github.com/yangf...
    passiontim閱讀 15,871評(píng)論 2 45
  • 題庫(kù)特殊字符語(yǔ)言包訓(xùn)練流程(新) 上篇文章介紹了一些特殊字符語(yǔ)言包的訓(xùn)練流程,然而沒過幾天,github上的tes...
    RobertY閱讀 7,497評(píng)論 11 6
  • 不是每件事都會(huì)順心,不是每個(gè)人都可以貼心,不是沒句話都會(huì)稱心!聽到不順耳的話,我們可以選擇性的屏蔽?!白蠖M(jìn)右耳出...
    假面具er閱讀 398評(píng)論 0 0
  • 作文的難點(diǎn):構(gòu)思,搭配框架??蚣艽罱ê昧耍偬畛鋬?nèi)容,作文的難度就降下來了。 圍繞題目,確定好主題,抓取關(guān)鍵詞。關(guān)...
    葉兩步閱讀 3,422評(píng)論 4 50

友情鏈接更多精彩內(nèi)容