Tesseract de l'utilisateur-modèles

Tout savoir comment utiliser les habitudes de l'utilisateur (user_patterns_suffix) dans le Tesseract?
Pourriez-vous me conseiller comment le faire et comment le tester de travail? J'ai essayé de suivre Tesseract guide (Tessearct de l'utilisateur-modèles mais je ne le voyais pas influé sur le résultat.

Grâce.

Avez-vous essayez d'ajouter de la bazaar fichier de config? Voir tesseract(1)

OriginalL'auteur kha nguyen | 2013-06-20

  1. 17

    Tesseract utilise un modèle à un une sorte de "expression régulière". Il peut être utilisé si vous permet de dire que vous étiez de la numérisation d'un livre avec des données qui était dans le même format. Un modèle peut être utilisé pour dire Tesseract quels formats d'attendre, ike comment il compter les mots dans les mots. Ci-dessous est comment Tesseract décrit comment utiliser les modèles:

    Chaque modèle peut contenir n'importe quel non-blanc caractères, mais seulement les modèles qui contiennent des caractères à partir de la unicharset de la langue correspondante sera utile.

    La seule méta caractère est \. À être utilisé dans un modèle comme une chaîne ordinaire, il devrait être échappé avec \ (chaîne de caractères C:\Documents doit être écrit dans les modèles de fichier comme C:\\Documents).

    Cette fonction prend en charge un très limitées la syntaxe d'expression régulière. On peut exprimer un caractère, une certaine classe de caractères et un nombre de fois que l'entité doit être répétée dans le modèle.

    Pour désigner une classe de caractères, utilisez l'une des:

    • \c - unichar pour qui UNICHARSET::get_isalpha() est vrai (caractère)
    • \d - unichar pour qui UNICHARSET::get_isdigit() est vrai
    • \n - unichar pour qui UNICHARSET::get_isdigit() et
      UNICHARSET::isalpha() sont remplies
    • \p - unichar pour qui UNICHARSET::get_ispunct() est vrai
    • \a - unichar pour qui UNICHARSET::get_islower() est vrai
    • \A - unichar pour qui UNICHARSET::get_isupper() est vrai

    \* pourrait être indiqué après chaque personnage ou un motif pour indiquer que le caractère/motif peut être répété plusieurs fois avant que le caractère suivant/motif se produit.

    Exemples:

    1-8\d\d-GOOG-411 sera étendu à cordes:
    1-800-GOOG-411, 1-801-GOOG-411, ... 1-899-GOOG-411.

    "ww.\n\*.com" sera élargi à des chaînes telles que:
    "ww.a.com" "ww.a123.com" ... "ww.ABCDefgHIJKLMNop.com"

    Remarque: Dans le choix des modèles à inclure s'il vous plaît être conscient du fait offrir de très des modèles génériques fera tesseract s'exécuter plus lentement. Par exemple \n\* au début du pattern fera Tesseract envisager toutes les combinaisons de propositions de caractère de choix pour chacune des segmentations, qui seront beaucoup trop lent. En raison des problèmes potentiels de vitesse qui pourrait être difficile à identifier, chaque pattern utilisateur doit avoir au moins kSaneNumConcreteChars béton, les personnages de la unicharset au début.

    Le lien est cassé
    Voici le lien du dépôt GitHub: github.com/tesseract-ocr/tesseract/blob/...
    Merci beaucoup! Passé beaucoup de temps à chercher pour ce faire, enfin trouvé!
    Je suis en train d'utiliser Tesseract pour lire le nom, l'adresse et la date de naissance de permis de conduire. Juste en cours d'exécution contre l'image n'est pas à moi de bons résultats, comme le texte est tous courir ensemble, même sans sauts de ligne pour séparer les choses. Il semble que les modèles de m'aider car il peut regarder dans le même endroit tout le temps pour la date de naissance ou le nom. Quelqu'un peut-il m'aider à l'appliquer?
    Il ressemble à cette fonctionnalité n'est actuellement cassé dans le Tesseract 4.0 alpha (LSTM) (char-blanche semble être cassé) github.com/tesseract-ocr/tesseract/issues/960

    OriginalL'auteur stuartthomas25