我有一个关于如何提高 Tesseract 识别准确率的问题。我正在使用 Tesseract 识别序列号。序列号仅包含字体类型、A-Z、0-9字符,大小和长度各异。
目前,我能够正确识别大约 40% 的序列号图像。这些图像是通过手机摄像头拍摄的,因此图像质量并不是最好的。
特殊的问题字符是 8/B 和 5/6。由于我只识别序列号,因此我没有使用任何字典改进,每个字符都是独立识别的。
我的问题是:是否有人已经有了训练 Tesseract 达到更好的识别效果的经验?需要多少图像才能获得良好的结果。
对于训练 Tesseract,我应该使用打印后拍摄的序列号,还是使用原始的数字序列号,而不需要打印和拍摄?
也许有人已经在这方面有了经验。
关于训练 Tesseract:我已经用一些图像对 Tesseract 进行了训练。因此,我打印了所有大小不同的字符,并将它们正确地拍摄和标记。以下是“5”字符的示例训练照片:
这是一个好的/坏的训练示例吗?由于我只想识别不带任何依赖关系的单个字符,所以我认为我不需要使用单词进行训练。
实际上,我只用了这些图片中的 3 张来训练字符 B、8、6、5,与原始英语(eng)Tesseract 数据库相比,并没有取得更好的识别结果。
目前,我能够正确识别大约 40% 的序列号图像。这些图像是通过手机摄像头拍摄的,因此图像质量并不是最好的。
特殊的问题字符是 8/B 和 5/6。由于我只识别序列号,因此我没有使用任何字典改进,每个字符都是独立识别的。
我的问题是:是否有人已经有了训练 Tesseract 达到更好的识别效果的经验?需要多少图像才能获得良好的结果。
对于训练 Tesseract,我应该使用打印后拍摄的序列号,还是使用原始的数字序列号,而不需要打印和拍摄?
也许有人已经在这方面有了经验。
关于训练 Tesseract:我已经用一些图像对 Tesseract 进行了训练。因此,我打印了所有大小不同的字符,并将它们正确地拍摄和标记。以下是“5”字符的示例训练照片:
![enter image description here](https://istack.dev59.com/Gh6Fk.webp)
实际上,我只用了这些图片中的 3 张来训练字符 B、8、6、5,与原始英语(eng)Tesseract 数据库相比,并没有取得更好的识别结果。