包含两种语言的Tesseract 4

Question

我有如下图片：

​

当我用-l eng+rus (或-l rus+eng)调用tesseract时，我会得到这样的结果：

Повар спрашивает повара - 200 ВОВ!

正如你所看到的，文本的俄文部分是可以识别的，但是RUB部分是错误的，因为据我所知，Tesseract认为这是俄文文本。尽管BOB word的置信度只有34，但看起来Tesseract并不打算使用英语。除了将文本分成两组并分别运行Tesseract之外，还有什么方法可以修复它吗？(我知道第二部分总是英语，但第一部分可以是英语或俄语)。

附注:我尝试使用西里尔字母训练数据(Cyrillic.traineddata)，但结果基本相同(Повар спрашивает повара - 200 ВЏВ!)

Answer 1

虽然您正在使用正确的语法进行多语言识别，但结果清楚地表明'BOB‘被错误分类。你先做一件事，只在英语语言模式下运行这个文本，然后查看结果，它很可能会将BOB读作正确的文本。然后，在此检查之后，更改用于英语文本识别的默认模型。希望它也会做出同样的调整。如果不是，那么你将不得不忍受这些结果，因为tesseract不会提供100%的结果。