微調(Fine tune)是深度學習中遷移學習的一種方法，其中預訓練模型的權重會在新數據上進行訓練。
本文主要介紹如何使用新的訓練圖檔在tesseract 辨識模型進行Fine tune
有關於安裝的部分可以參考友人的其他文章將所有資料都放在同一資料夾，在用那資料夾 cmd開始工作，環境變數Tesseract資料夾要新增，才可以使用Tesseract指令喔。
使用版本：tesseract v5.3.1.20230401
1.合併圖檔
使用jTessBoxEditor 工具來合併圖檔，可參考這篇文章介紹jTessBoxEditor應用
2.產生box資料 .box
指令：
ocr_1.tif : 圖檔名稱
ocr_1 : 要產生的.box名稱
-l eng_ocr --oem 3 --psm 7 : 指定tesseract的辨識模型，搜尋引擎，頁面分割模式
batch.nochop makebox：產生產生box資料的指令
tesseract ocr_1.tif ocr_1 -l eng_ocr --oem 3 --psm 7 batch.nochop makebox
產生.box檔案
3.產生模型訓練檔 .lstm
指令:
tesseract ocr_1.tif ocr_1 -l eng_ocr --psm 7 lstm.train
產生ocr_1訓練檔
4.提取要微調的模型，產生模型訓練檔 eng_ocr.lstm
指令:
-e 可從.traineddata中擷取出lstm檔
combine_tessdata -e eng_ocr.traineddata eng_ocr.lstm
提取要微調的模型
5.新建文件檔 (指定訓練檔路徑) .txt
輸入指定的訓練檔名稱，新的訓練集
新建文件檔
6.模型訓練
參數名稱說明：
eng_ocr.lstm : 指定用這個模型繼續訓練
eng_ocr.traineddata : 指定用這個模型的資料繼續訓練
eng_ocr.training_files.txt : 新增要訓練的資料 文件路徑
0.01 : 錯誤率低於0.01 就停止訓練
指令
Lstmtraining --model_output="train" --continue_from="eng_ocr.lstm" --traineddata="eng_ocr.traineddata" --train_listfile="eng_ocr.training_files.txt" --target_error_rate=0.01
訓練結果
訓練完產生train_checkpoint
7.模型輸出
複製eng_ocr.traineddata 另外立名新名稱eng_ocr_1.traineddata，最後指令輸入完，eng_ocr_1.traineddata就是訓練好的新模型了。
指令
- --continue_from 輸入剛剛訓練完的checkpoint檔案
- --traineddata 輸入要覆蓋的模型名稱
- --model_output
lstmtraining --stop_training --continue_from="train_checkpoint" --traineddata="eng_ocr.traineddata" --model_output="eng_ocr_1.traineddata"
輸出模型
大功告成模型傳到Tesseract-OCR\tessdata目錄中就可以使用囉。
更改lang="eng_ocr_1"，就可以使用新的模型囉
pytesseract.image_to_boxes(new_image, lang="eng_ocr_1", config=config)
