Tesseract-OCR 字体包训练问题求教

[Kvip]

这阵子在做 Tesseract-OCR 的字体训练，其中遇到了几个问题，使我很烦恼，特意来求教各大佬

1 、 在将图像生成对应的 .box 文件后，使用 jTessBoxEditorFx 软件进行校正时，发现字体虽然大部分都能识别出来，但是每个字的位置却出现了很严重的偏差，如下图，需要逐个字体进行校正位置坐标才行（如下图一），不知道这是什么原因引起的。（每个字都需要进行位置校正，工程量太大了）

2 、 字体训练后，单独使用我训练过的字体包来识别图像，只能识别出那些我有训练过的文字，如果图像出现了我没训练过的文字，这些文字就会胡乱显示为我训练过的文字，如下图（这问题我还能理解）

3 、如果在识别时，设置语言包 lang 的参数为 我训练过的字体包 + 通用中文简体包 chi_sim，识别出来的文字则和单独使用通用中文简体包 chi_sim效果一致，也就是说我训练的字完全不起作用。如下图

我预期的结果：我训练的字体包和官方的字体包可以在一起使用（毕竟自己不可能每个字都训练到，这还是得靠官方支持）。各位大佬何以教我

[95276]

感觉应该要把你训练的和官方的合并一下 或者在官方的基础上训练.

[zhuangzhuang1988]

放弃吧 这货 巨费时间
而且 新的 Tesseract 也不是基于具体的字训练的
记得是基于行训练的

[sadfQED2]

我曾经花过半个月时间整理训练集，然后提交训练，最后发现结果很一般。

然后，我花了三天时间自己用 tensorflow 写了一个文字识别，然后一跑训练集，比它这玩意效果还好点

另外，你想要的应该是合并训练集