ocr模型训练
pillow
是Python Image Library的3.0版本.
用于在Python处理各种图片操作.
ocr模型训练
-
linux下软件:
tesseract-ocr:
sudo apt-get install tesseract-ocr -
java运行环境(deepin自带1.8)
-
jTessBoxEditor软件:(该软件需要java环境)
https://nchc.dl.sourceforge.net/project/vietocr/jTessBoxEditor/jTessBoxEditor-2.2.1.zip
使用次序:
- 训练模型需要大量图片.
- 使用jTessBoxEditor, 将所有需要训练的图片打包为tif格式的包.
- 然后使用 tesseract 将tif包,转变为box.
tif文件名一般使用格式为.[语言].[字体].exp[数量]
例如: english.arial.exp99
tesseract 文件名.tif 文件名 -psm 7 batch.nochop makebox
tesseract zwp.test.exp0.tif zwp.test.exp0 -l chi_sim -psm 7 batch.nochop makebox - 转化为box之后, 就可以使用jTessBoxEditor进行训练了.
在训练的过程当中, 如果是没有经过处理的验证码图片因为受噪点影响, 识别率特别低,应该先对图片进行降噪处理. 之后再进行训练.