這是chi_sim.traineddata.gz下載，tesseract-ocr中英文數(shù)據(jù)包chi_sim.traineddata.gz eng.traineddata.gz.初期Tesseract引擎由HP實驗室研發(fā)，后來貢獻(xiàn)給了開源軟件業(yè)，后經(jīng)由Google進(jìn)行改進(jìn)。vIY紅軟基地

軟件介紹

chi_sim.traineddata.gz我用不了那么多字，然后就按官方和網(wǎng)上的資料自己做了一個識別庫，這個庫只能識別訓(xùn)練過的文字。速度生成的文件應(yīng)該跟訓(xùn)練的字?jǐn)?shù)有關(guān)的，我實驗了幾個字，只有100多k。 但是發(fā)現(xiàn)一個很明顯的問題是，默認(rèn)的識別速度比較慢。識別四個很明顯的字需要將近兩秒。vIY紅軟基地

軟件說明

為什么用3.05呢？vIY紅軟基地
從官方文檔上看4.0版本（windows版本于2017年1月30號發(fā)布）顯著的提高了識別率，同時也加大了性能的消耗。理論上我是應(yīng)該用4.0。但這不是重點。重點是有windows的版本有詭異的bug! 花了好久沒有解決。vIY紅軟基地
不過還好，4.0支持3.05版本的所有語法。換而言之，下面的所有內(nèi)容在4.0都是可以用的。vIY紅軟基地

相關(guān)缺點

•大多數(shù)比較老，有部分內(nèi)容已經(jīng)不適用。vIY紅軟基地
•大部分只是就英文的訓(xùn)練進(jìn)行探索，很少針對中文的訓(xùn)練。vIY紅軟基地
接下來盡可能詳細(xì)的介紹自己tesseract訓(xùn)練中文識別的經(jīng)驗。vIY紅軟基地

軟件截圖

vIY紅軟基地