向Tesseract添加新字體3

Question

我正在嘗試向tesseract ocr添加新字體。我正在關注this tutorial，但我遇到了一些問題。

這是我到目前爲止已經完成：

1. 創建培訓文件

   convert eng.myfont.exp0.pdf eng.myfont.exp0.tif

2. 列車正方體

   tesseract eng.myfont.exp0.tif eng.myfont.exp0 batch.nochop makebox

   這造成了我的eng.myfont .exp0.box文件。

   我用moshpytt打開文件並確保它被正確檢測到。

3. 訂閱文件盒放回正方體

   tesseract eng.myfont.exp0.tif eng.myfont.exp0.box nobatch box.train.stderr

   我有這樣的結果：

   與Leptonica正方體開源OCR引擎V3.03
   APPLY_BOXES：
   箱閱讀from boxfile：146
   找到146個不錯的blob。
   TRAINING ...字體名稱= myfont.exp0
   6個詞語

   • eng.myfont.exp0.box.tr文件和eng.myfont.exp0.box.txt生成的訓練數據生成

4. 嘗試檢測箱文件中使用的字符集（這是我卡住）

   unicharset_extractor *.box

結果：

unicharset_extractor：找不到命令

我也TRED unicharset_extractor eng.myfont.exp0.box具有相同的結果。

我使用：

• 正方體3.03
• leptonica-1.70
• libgif 4.1.6（？）：libjpeg的8D：libpng的50年1月2日：4.0.3的libtiff：zlib的1.2。 8：WEBP 0.4.0
• 的Ubuntu 14.04.1 LTS

Answer 1

爲正方體3.03 RC的培訓工具是從Ubuntu的14.04省略。所以要麼回到Tesseract 3.02，要麼升級到Ubuntu 14.10。

Answer 2

好吧，我用Google搜索這個給你。答案如下：

您需要在輸入文件所在的同一文件夾中運行所有命令。

來源：

• https://code.google.com/p/tesseract-ocr/issues/detail?id=945和
• https://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3#Background_and_Limitations