特斯拉定制词典

Question

我目前正在为android开发一个使用Tesseract OCR的项目。我希望通过增加一本字典来微调给用户的结果。根据tesseract OCR wiki的说法，最好的方法就是

将tessdata/eng.user- word替换为您自己的单词列表，格式相同-- UTF8文本，每行一个单词。

但是tessdata文件夹中没有eng.user-word文件，我假设如果我只使用字典创建一个文本文件，它将永远不会被使用.

有没有人有过类似的经历，知道该怎么做？

Answer 1

如果您使用的是tesseract 3 (我假设您正在使用)。您必须重建您的eng.trainddata文件。

我打算完全替换单词-dawg文件，以获得更好的结果(也就是说，我检测到的单词总是相同的)。

在编译tesseract时，需要在培训目录中使用combine_tessdata和wordlist2dawg可执行文件。

1. 打开所有东西(我这么做只是为了支持我的英语。need dawg，你以后也需要独角兽) ./combine_tessdata -u eng.traineddata
2. 创建your列表的文本文件(wordlistfile)
3. 创建eng.word-dawg ./wordlist2dawg wordlistfile eng.word-dawg traineddat_backup/.unicharset
4. 替换word-dawg文件 ./combine_tessdata -o eng.traineddata eng.word-dawg

应该是这样的。