Пользовательские шаблоны Tesseract

Question

Кто-нибудь знает, как использовать шаблоны пользователя (user_patterns_suffix) в Tesseract? Не могли бы вы посоветовать мне, как это сделать и как проверить работу? Я пытался следовать Тессеракт руководству (Tessearct user-patterns но я не видел это повлияло на результат на всех.

Спасибо.

Answer 1

Тессеракт использует шаблон для аа своего рода «регулярного выражения». Он может быть использован, если позволяет что вы сканировали книгу с данными, которые были все в том же формате, шаблон может быть использован, чтобы сказать Tesseract, какие форматы ожидать, икэ как ожидают слова в пользовательских слов Ниже как Tesseract describes how to use patterns:..

Каждый шаблон может содержать любые символы без пробелов, однако только шаблоны, содержащие символы из униарсетта соответствующего языка, будут полезно.

Единственный метасимвол - \. Для использования в шаблоне в виде обычной строки он должен быть экранирован с помощью \ (например, строка C:\Documents должна быть записана в файле шаблонов как C:\\Documents).

Эта функция поддерживает очень ограниченный синтаксис регулярных выражений. Можно выразить символ, определенный класс символов и несколько раз, когда объект должен быть повторен в шаблоне.

Для обозначения использования символьных классов один из:

• \c - unichar, для которых UNICHARSET::get_isalpha() истинно (характер)
• \d - unichar, для которых UNICHARSET::get_isdigit() верно
• \n - unichar, для которых UNICHARSET::get_isdigit() и UNICHARSET::isalpha() являются действительными
• \p - unichar, для которых UNICHARSET::get_ispunct() верно
• \a - unichar, для которых UNICHARSET::get_islower() истинно
• \A - unichar, для которых UNICHARSET::get_isupper() истинно

\* может быть указан после каждого символа или рисунка, чтобы указать, что символ/шаблон можно повторить любое количество раз до следующего символа/шаблона.

Примеры:

1-8\d\d-GOOG-411 будет расширен до строк: 1-800-GOOG-411, 1-801-GOOG-411 ... 1-899-GOOG-411.

"ww.\n\*.com" будет расширен до строки, как: "ww.a.com""ww.a123.com" ... "ww.ABCDefgHIJKLMNop.com"

Примечание: При выборе которых шаблоны для включения следует помнить о том, обеспечивая очень общие модели сделают Тессеракта работать медленнее. Например, \n\* в начале шаблона заставит Tesseract рассмотреть все комбинации предлагаемых вариантов символов для каждой из сегментов, что будет неприемлемо медленным.Из-за потенциальных проблем со скоростью, которые могут быть трудно идентифицировать, каждый пользовательский шаблон должен иметь по крайней мере kSaneNumConcreteChars конкретных символов из unicharset в начале.