tesseract3.01的训练和使用
相关源码、资源下载：http://code.google.com/p/tesseract-ocr/downloads/list
训练步骤：
1、 Generate Training Images：生成tif图像文件(简单的几个汉字)；
如：ABC.Roman.exp0.tif([lang].[fontname].exp[num].tif)
2、 Make Box Files：由上tif图像文件生成box文件；由tesseract.exe生成box文件；打开生成的box文件，修改其中不正确的部分；
配置文件参数："batch.nochop", "makebox"
运行文件：tesseractmain.cpp
3、 Run Tesseract for Training：
配置文件参数："nobatch", "box.train"或"nobatch", "box.train.stderr"
运行文件：tesseractmain.cpp
生成的文件包括：ABC.Roman.exp0.tr 、ABC.Roman.exp0.txt
4、 Compute the Character Set：
运行文件：unicharset_extractor.cpp
生成的文件：unicharset
5、 font_properties：
需要自己创建一个txt文件，如font_properties.txt
运行文件：mftraining.cpp
生成的文件：inttemp、Microfeat、pffmtable、ABC.unicharset
6、 Clustering：
运行文件：mftraining.cpp（类似5）
运行文件：cntraining.cpp
生成的文件：normproto
7、 Dictionary Data：
需要自己创建5个txt文件，如：frequent_words_list.txt、words_list.txt、punc_list.txt、number_list.txt、user_words_list.txt
运行文件：wordlist2dawg.cpp
生成的文件：ABC.freq-dawg、ABC.word-dawg、(ABC.punc-dawg、ABC.number-dawg、ABC.user-words)
8、 The last file：
需要自己手动创建一个unicharambigs文件
9、 Putting it all together：
将normproto, Microfeat, inttemp, pffmtable四个文件重命名以ABC.为前缀，分别改为ABC.normproto, ABC.Microfeat, ABC.inttemp, ABC.pffmtable
运行文件：combine_tessdata.cpp
生成的文件：ABC.traineddata
以上的所有.cpp文件均可以根据自己的实际要求进行相应的修改。
使用：
将生成的ABC.traineddata文件拷贝到tessdata目录下，然后调用tesseractmain.cpp文件执行即可。
参考文献：
1、 http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3
2、 http://www.docin.com/p-216160535.html
3、 http://blog.wudilabs.org/entry/f25efc5f/
4、 http://blog.csdn.net/dyfleoo/article/details/6959591
5、 http://blog.csdn.net/fengbingchun/article/details/6920667
6、http://code.google.com/p/tesseract-ocr/wiki/ReadMe
相关文章：
旷视推出鼻纹识别，用AI寻找丢失宠物
来源 | 转载自旷视城市大脑（ID：MEGVII_CityBrain)导读：随着人工智能技术（AI）的大热，基于深度学习方法的人脸识别技术已成熟落地，在解锁、支付、认证、摄像等生活方方面面，各个大厂推…
Qt浅谈之一：内存泄露（总结）
一、简介 Qt内存管理机制：Qt 在内部能够维护对象的层次结构。对于可视元素，这种层次结构就是子组件与父组件的关系；对于非可视元素，则是一个对象与另一个对象的从属关系。在 Qt 中，在 Qt 中，删除父对…
LINUX新手入门-1.装系统
LINUX新手入门-1.装系统首先我们用虚拟机模拟 装linux系统，然后下一步下一步，然后完成后，编辑一些设置，把镜像放上面就可以了选第一项，安装系统，查看镜像是否能运行，直接跳过，选择语…
Log4cplus1.04的使用
首先，从http://sourceforge.net/projects/log4cplus/files/log4cplus-stable/下载最新的版本，解压缩，用vs2008打开msvc8文件夹下的log4cplus.sln，并按照提示转换。在Solution Configurations下拉列表框中，会有Debug、D…
FRVT赛程全纪录：格灵深瞳全球排名前五
作者 | 张德兵，格灵深瞳首席科学家&算法部负责人来源 | 转载自知乎张德兵最近两个月，格灵深瞳首席科学家&算法部负责人张德兵与算法团队参加了全球人脸识别算法测试(FRVT、Face Recognition Vendor Test)。虽然是第一次参加此比赛，格…
反转比特位(文章最后有干货)【转】
转自：https://blog.csdn.net/wuxianglonghaohao/article/details/21602305 http://www.newhottopic.com/2014/03/20/reverse-bits/ 把一个无符号整数的比特位反转顺序。有很多种方法来实现这个。我们这里给出一个算法：通过异或运算来交换，然后…
过关斩将打进Kaggle竞赛Top 0.3%，我是这样做的
作者 | Lavanya Shukla译者 | Monanfei责编 | 夕颜出品 | AI科技大本营（id：rgznai100）导读：刚开始接触数据竞赛时，我们可能会被一些高大上的技术吓到。各界大佬云集，各种技术令人眼花缭乱，新手们…
JavaBean规范
2019独角兽企业重金招聘Python工程师标准>>> （1）JavaBean 类必须是一个公共类，并将其访问属性设置为 public （2）JavaBean 类必须有一个空的构造函数：类中必须有一个不带参数的公用构造器&#x…
vigra1.8.0的使用
VIGRA stands for "Vision with Generic Algorithms". Its a novel computer vision library that puts its main emphasis oncustomizablealgorithms and data structures. 1、首先，从http://hci.iwr.uni-heidelberg.de/vigra/下载最新源代码࿰…
17个Python小窍门
python中相对不常见却很实用的小窍门。 空谈不如来码代码吧： 交换变量值 给列表元素创建新的分隔符 找列表中出现次数最多的元素 核对两个字符是否为回文 反向输出字符串 反向输出列表 转置2维数组 链式比较 我刚整理了一套2018最新的0基础入门和进阶教程࿰…
用产品思路建设中台，这走得通吗？| 白话中台
作者 | 王健，ThoughtWorks首席咨询师。 十多年国内外大型企业软件设计开发，团队组织转型经验。一直保持着对技术的热爱，热衷于技术分享。目前专注在企业平台化转型、中台战略规划，微服务架构与实施，大型遗留系统服务化…
利用cvMinAreaRect2求取轮廓最小外接矩形
转自：http://blog.csdn.net/mine1024/article/details/6044856 对给定的 2D 点集，寻找最小面积的包围矩形，使用函数： CvBox2D cvMinAreaRect2( const CvArr* points, CvMemStorage* storageNULL ); points 点序列或点集数组 …
电脑开机显示Invalidsystemdisk
开机或重启无法进入系统，并在屏幕上显示Invalidsystemdisk，Replacethediskandthenpressanykey或者diskerror之类的字样，这是怎么回事，该如何解决？今天u大师就为大家解决下。 出现这个原因是因为现在的电脑没有可以启…
Windows7 64位下vs2008配置OpenCV2.3.1
1、下载OpenCV2.3.1：http://www.opencv.org.cn/index.php/Download； 2、下载后解压缩：OpenCV-2.3.1-win-superpack.exe，生成一个opencv文件夹； 3、下载CMake：http://www.cmake.org/cmake/resources/softw…
腾讯拥抱开源：首次公布开源路线图，技术研发向共享、复用和开源迈进
整理 | 夕颜出品 | AI科技大本营（ID:rgznai100）导读：去年，知乎上一篇讨论腾讯技术的帖子异常火爆，讨论的主题是当下（2018 年）腾讯的技术建设是否处于落后同体量公司的状态，这篇帖子得…
Babylon.js 3.3发布：更强大的粒子系统和WebVR支持
Babylon.js 3.3版本利用微软混合现实工具包（MRTK）的功能来改进WebVR开发，并改进了其粒子系统控件。 MRTK提供了一系列脚本和组件来加速混合现实应用程序的开发。为了简化GUI VR构建，Bablyon.js利用3D体积网格来布局VR场景的界面&a…
基于Erlang语言的视频相似推荐系统 | 深度
作者丨gongyouliu来源 | 转载自大数据与人工智能（ID:ai-big-data）【导语】：作者在上一篇文章《基于内容的推荐算法》中介绍了基于内容的推荐算法的实现原理。在本篇文章中作者会介绍一个具体的基于内容的推荐算法的实现案例。该案例是作者在2…
MinGW简介
转自：http://baike.baidu.com/view/98554.htm MinGW是指只用自由软件来生成纯粹的Win32可执行文件的编译环境，它是Minimalist GNU on Windows的略称。这里的“纯粹”是指使用msvcrt.dll的应用程序。无法使用MFC (Microsoft Foundation Classes微软基础类…
Confluence 6 创建小组的公众空间
2019独角兽企业重金招聘Python工程师标准>>> 现在是我们可以开始创建公众空间的时候了，全世界都希望知道这个项目和勇敢的探险活动。 在这个步骤中，我们将会创建一个项目小组的空间，并且将这个空间公布给全世界。这个表示的是你将…
windows 7 可以清除的文件
缓解系统磁盘空间不足的情况1、系统盘根目录下的MSOCache是office的安装备份文件，可以删除。2、c:\user\用户名\appdate\local\temp是软件安装时留下的临时文件。3、c:\windows\SoftwareDistribution中存放的是系统补丁更新包及旧的系统文件。4、c:\windows\winsxs\…
阿里最新论文解读：考虑时空域影响的点击率预估模型DSTN
作者 | 石晓文转载自小小挖掘机（ID: wAIsjwj）【导语】：在本文中，阿里的算法人员同时考虑空间域信息和时间域信息，来进行广告的点击率预估。什么是时空域？我们可以分解为空间域(spatial domain)和时间域(tem…
windows7 64位机上配置MinGW+Codeblocks+ wxWidgets
在Windows7 64位机子上安装配置MinGWCodeblockswxWidgets步骤如下： 1、 下载mingw-get-inst-20111118：http://sourceforge.net/projects/mingw/； 2、 双击mingw-get-inst-20111118.exe，一般按默认即可，选择自己需要…
jQuery带动画的弹出对话框
在线演示 本地下载
陶哲轩实分析 习题 13.4.6
设 $(X,d)$ 是度量空间,并设 $(E_{\alpha})_{\alpha\in I}$ 是 $X$ 中的一族连通集合.还设 $\bigcap_{\alpha\in I}E_{\alpha}$ 不空.证明 $\bigcup_{\alpha\in I}E_{\alpha}$ 是连通的.证明:由于 $\bigcap_{\alpha\in I}E_{\alpha}$ 是不空的,因此存在 $p\in \bigcap_{\alpha\…
一年参加一次就够，全新升级的AI开发者大会议程出炉！
“只讲技术，拒绝空谈”的AI开发者大会再次来临！2018 年的AI开发者大会，作为年度人工智能领域面向专业开发者的一次高规格技术盛会，上千名开发者与上百名技术专家齐聚一堂，大会以“AI技术与应用”为核心，就人…
Windows7下配置MinGW+CodeBlocks+OpenCV2.3.1
1、下载mingw-get-inst-20111118：http://sourceforge.net/projects/mingw/； 2、双击mingw-get-inst-20111118.exe，一般按默认即可，选择自己需要的组件； 3、添加MinGW环境变量：选择计算机-->点击右键--…
Spark SQL基本操作以及函数的使用
2019独角兽企业重金招聘Python工程师标准>>> 引语： 本篇博客主要介绍了Spark SQL中的filter过滤数据、去重、集合等基本操作，以及一些常用日期函数，随机函数，字符串操作等函数的使用，并列编写了示例代码&am…
OpenCV提取轮廓(去掉面积小的轮廓)
转自：http://www.kaixuela.net/?p23 #include <stdio.h> #include "cv.h" #include "cxcore.h" #include "highgui.h" #include <iostream> using namespace std; #pragma comment(lib,"cv.lib") #pra…
软工作业 5：词频统计——增强功能
一、基本信息 1.1 编译环境、项目名称、作者 1 #编译环境:python3.6 2 #项目名称：软工作业5-词频统计—增强功能 3 #作者：1613072055 潘博 4 # 1613072056 侯磊 1.2项目地址 本次作业地址: https://www.cnblogs.com/panboo/项目git地址: https://g…
Linux之文件权限管理
chmod ux转载于:https://www.cnblogs.com/chaoren399/archive/2013/03/11/2953727.html