Tesseract用于训练的TessData字体

Question

我在Android应用中使用tesseract进行OCR。我专注于中文，但我只需要识别几个关键字，所以我想用jTessBoxEditor创建我的.traineddata文件。我想知道中文繁体TessData文件使用什么字体？ https://github.com/tesseract-ocr/tessdata

或者，有没有办法可以编辑chi_tra.traineddata文件，因此它只能识别几个关键字？我这样做的主要原因是文件大小为63.4 MB，tesseract在完成之前大约需要2到3分钟。准确性很好，但速度很慢。

Answer 1

所有font_properties经过培训的语言的tesseract个文件都可以在github中找到。您可以查看列表中支持的繁体中文特定字体。

从github中的tesseract-ocr/langdata文件夹here，您可以查看chi_tra.wordlist内chi_tra文件夹，找到用于培训的字词。