用于培训的Tesseract TessData字体

Question

在Android应用程序中，我正在使用用于OCR的tesseract。我专注于中文，但我只需要识别几个关键词，所以我想用jTessBoxEditor创建我的jTessBoxEditor文件。我想知道中国传统的TessData文件使用哪些字体？https://github.com/tesseract-ocr/tessdata

或者，是否有一种方法可以编辑chi_tra.traineddata文件，使其只识别几个关键字？我这样做的主要原因是文件大小为63.4MB，而tesseract在完成之前大约需要2到3分钟。精确度很高，但速度很慢。

Answer 1

所有经过font_properties训练的语言的tesseract文件都可以在github中找到。您可以检查列表中支持的传统中文特定字体。

在github中的tesseract-ocr/langdata文件夹这里中，您可以检查chi_tra文件夹中的chi_tra.wordlist以找到用于培训的单词。