我如何训练我的数据集

Question

我有一个拥有大约1000个文件的大量gt.txt和tiff文件的数据集，我尝试使用tesstrain项目并运行下面的命令make training MODEL_NAME=cmc7 MODEL_NAME=cmc7--这个命令成功地运行了，但是当我尝试使用培训数据时，它并不像预期的那样工作。我的问题是，什么是正确的形式来训练我的数据集的tesseract？谢谢。

Answer 1

为了用图像训练数据集，我使用两种类型的文件对图像进行校正：

• gt.txt文件与预期的
• 文件生成的图像之间的变化，我想用

来训练模型

我将所有3个文件放置在tesstrain /data/my-model-接地- the中，并从tesstra设文件夹中运行以下命令：

make training MODEL_NAME=my-model START_MODEL=eng TESSDATA=../tessdata_best

这是假设您想要在eng.traineddata的基础上从tessdata_best存储库中进行培训：https://github.com/tesseract-ocr/tessdata_best

生成my. That的命令/数据文件夹。