Tesseract OCR - 繁體中文【評估篇】
閱讀時間約 4 分鐘
GitHub
Tesseract OCR：tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository) (github.com)
Tesseract User Manual：Tesseract User Manual | tessdoc (tesseract-ocr.github.io)
How to train LSTM Tesseract：tessdoc/TrainingTesseract-5.md at main ·tesseract-ocr/tessdoc (github.com)
- 作業系統：win10
- 版本訊息-命令提示字元(CMD)
C:\Users\user>tesseract --version tesseract v5.0.1.20220118 leptonica-1.78.0 libgif 5.1.4 : libjpeg 8d (libjpeg-turbo 1.5.3) : libpng 1.6.34 : libtiff 4.0.9 : zlib 1.2.11 : libwebp 0.6.1 : libopenjp2 2.3.0 Found AVX2 Found AVX Found FMA Found SSE4.1 Found libarchive 3.5.0 zlib/1.2.11 liblzma/5.2.3 bz2lib/1.0.6 liblz4/1.7.5 libzstd/1.4.5 Found libcurl/7.77.0-DEV Schannel zlib/1.2.11 zstd/1.4.5 libidn2/2.0.4 nghttp2/1.31.0
一、修改eval.sh
使用notepad++開啟eval.sh修改內容
評估原本的chi_tra.lstm
- 【CTRL+F】將eng取代為chi_tra
lstmeval \--model train/chi_tra.lstm \--traineddata tessdata/chi_tra.traineddata \--eval_listfile train/chi_tra.training_files.txt
評估訓練完的PMingLiU_checkpoint
lstmeval \--model train/PMingLiU_checkpoint \--traineddata tessdata/chi_tra.traineddata \--eval_listfile train/chi_tra.training_files.txt
二、執行eval.sh
在tesstrainsh-win中右鍵(Git Bash Here)開啟Bash，輸入下面指令
sh eval.sh
在 Tesseract 的情況下，CER 和 WER 被測量為 Bag-of-CER 和 Bag-of-WER，即不是通過序列比對，而是作為計數（跨每行）。
- Bag of Char error rate(BCER)
- Bag of Word error rate(BWER)
評估原本的chi_tra.lstm
BCER eval=5.102329, BWER eval=28.982749評估訓練完的PMingLiU_checkpoint
BCER eval=3.109002, BWER eval=20.521559參考資料
為什麼會看到廣告
留言0
查看全部
你可能也想看
Google News 追蹤
這個秋，Chill 嗨嗨！穿搭美美去賞楓，裝備款款去露營⋯⋯你的秋天怎麼過？秋日 To Do List 等你分享！
秋季全站徵文，我們準備了五個創作主題，參賽還有機會獲得「火烤兩用鍋」，一起來看看如何參加吧～
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Hi 大家好，我是Ethan😊
相近大家都知道保濕是皮膚保養中最基本，也是最重要的一步。無論是在畫室裡長時間對著畫布，還是在旅途中面對各種氣候變化，保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水，還能提升後續保養品的吸收效率。
曾經，我的保養程序簡單到只包括清潔和隨意上乳液
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
OCR (Optical Character Recognition) technology revolutionizes the conversion of texts from physical documents into digital data, enhancing processing
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
這是我自行後製、加上繁體中文字幕的影片。
來源出自對岸史真醫師出版的這本書『口面肌功能治疗临床诊疗手册』，如無簡體中文閱讀障礙，是可以買來自行瞭解，增強戴活動式矯正裝置的動力。
不過此書的預設閱讀對象是醫護專業人員，有點艱深，所以我已經把大部分較適合當科普材料的部分，繁體中文化，作為我的口腔衛教材料
作者申克博士(Sönke Ahrens) 在繁體版書籍線上交流講座中，分享 10 點使用卡片盒筆記法的重點原則，這篇文章摘要講座中 10 點原則的精華。有些內容翻成中文會失去脈絡，因此我在後面加上英文原文單字，並且加入一些個人理解的闡述。
芫荽 ㄩㄢ‘ ㄙㄨㄟ
- 繖形科「胡荽」的別名。也稱為「香菜」、「香荽」。
- 芫荽在台灣各地栽培普遍，台灣全島各地均有栽培。
- 邰智源很討厭的植物。
- 台南到處可見。
- 還好我會講台語。
Shopping Design 的介紹：按這裡
字體「芫荽」：按此下載
[懷舊遊戲週報 2021/11-1] 懷舊遊戲週報收集每週與懷舊遊戲相關的新訊，預定每週五出刊。
本週主要的消息包含：
‧《復活邪神2》繁體中文版發售日確認
‧《Eschatos》將推出 Switch 版
‧FC/NES開發技術講解影片...等其他資訊
重點貴在持之以恒，每天做，才有效果。
請自己做這些練習吧，尤其是舌肌與吞嚥的，各有四項，我每項運動後面都有刮號註明『這項運動主要是練習那邊』。
貴在持之以恒，循序漸進，別太為難自己，畢竟您早已習慣這種狀態這麼久了，嘴巴會很酸的。
通常我只會監督、教我的矯正病人做。一般病人會視情況提提。
這個秋，Chill 嗨嗨！穿搭美美去賞楓，裝備款款去露營⋯⋯你的秋天怎麼過？秋日 To Do List 等你分享！
秋季全站徵文，我們準備了五個創作主題，參賽還有機會獲得「火烤兩用鍋」，一起來看看如何參加吧～
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Hi 大家好，我是Ethan😊
相近大家都知道保濕是皮膚保養中最基本，也是最重要的一步。無論是在畫室裡長時間對著畫布，還是在旅途中面對各種氣候變化，保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水，還能提升後續保養品的吸收效率。
曾經，我的保養程序簡單到只包括清潔和隨意上乳液
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
OCR (Optical Character Recognition) technology revolutionizes the conversion of texts from physical documents into digital data, enhancing processing
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
這是我自行後製、加上繁體中文字幕的影片。
來源出自對岸史真醫師出版的這本書『口面肌功能治疗临床诊疗手册』，如無簡體中文閱讀障礙，是可以買來自行瞭解，增強戴活動式矯正裝置的動力。
不過此書的預設閱讀對象是醫護專業人員，有點艱深，所以我已經把大部分較適合當科普材料的部分，繁體中文化，作為我的口腔衛教材料
作者申克博士(Sönke Ahrens) 在繁體版書籍線上交流講座中，分享 10 點使用卡片盒筆記法的重點原則，這篇文章摘要講座中 10 點原則的精華。有些內容翻成中文會失去脈絡，因此我在後面加上英文原文單字，並且加入一些個人理解的闡述。
芫荽 ㄩㄢ‘ ㄙㄨㄟ
- 繖形科「胡荽」的別名。也稱為「香菜」、「香荽」。
- 芫荽在台灣各地栽培普遍，台灣全島各地均有栽培。
- 邰智源很討厭的植物。
- 台南到處可見。
- 還好我會講台語。
Shopping Design 的介紹：按這裡
字體「芫荽」：按此下載
[懷舊遊戲週報 2021/11-1] 懷舊遊戲週報收集每週與懷舊遊戲相關的新訊，預定每週五出刊。
本週主要的消息包含：
‧《復活邪神2》繁體中文版發售日確認
‧《Eschatos》將推出 Switch 版
‧FC/NES開發技術講解影片...等其他資訊
重點貴在持之以恒，每天做，才有效果。
請自己做這些練習吧，尤其是舌肌與吞嚥的，各有四項，我每項運動後面都有刮號註明『這項運動主要是練習那邊』。
貴在持之以恒，循序漸進，別太為難自己，畢竟您早已習慣這種狀態這麼久了，嘴巴會很酸的。
通常我只會監督、教我的矯正病人做。一般病人會視情況提提。