combine_tessdata - מקוון בענן

תָכְנִית:

שֵׁם

combine_tessdata - שלב/חלץ/דרוס נתוני Tesseract

תַקצִיר

combine_tessdata [אוֹפְּצִיָה] קובץ...

תיאור

combine_tessdata(1) היא התוכנית הראשית לשילוב/חילוץ/החלפת רכיבי tessdata
בקבצי [lang].traineddata.

לשלב את כל רכיבי tessdata הבודדים (unicharset, DAWGs, classifier
תבניות, אי בהירות, תצורות שפה) הממוקמות, למשל, /בית/$USER/temp/eng.* הרץ:

combine_tessdata /בית/$USER/temp/eng.

התוצאה תהיה קובץ tessdata משולב /בית/$USER/temp/eng.traineddata

ציין אפשרות -e אם תרצה לחלץ רכיבים בודדים משילוב
קובץ traineddata. לדוגמה, כדי לחלץ את קובץ תצורת השפה ואת ה-unicharset
ריצת tessdata/eng.traineddata:

combine_tessdata -e tessdata/eng.traineddata \
/בית/$USER/temp/eng.config /בית/$USER/temp/eng.unicharset

קובץ התצורה הרצוי ו-unicharset ייכתבו /בית/$USER/temp/eng.config
/בית/$USER/temp/eng.unicharset

ציין אפשרות -o כדי להחליף רכיבים בודדים של קובץ [lang].traineddata הנתון.
לדוגמה, כדי להחליף קבצים של תצורת שפה ו-unichar עמימות
שימוש ב-tessdata/eng.traineddata:

combine_tessdata -o tessdata/eng.traineddata \
/בית/$USER/temp/eng.config /בית/$USER/temp/eng.unicharambigs

כתוצאה מכך, tessdata/eng.traineddata יכיל את תצורת השפה החדשה ואת unichar
ambigs, בתוספת כל ה-DAWGs המקוריים, תבניות הסיווג וכו'.

הערה: שמות הקבצים של הקבצים שאליהם יש לחלץ ולדרוס מהם צריכים להיות
סיומות קבצים מתאימות (הרחבות) המציינות את סוג רכיב ה-tessdata שלהם
(.unicharset עבור unicharset, .unicharambigs עבור unichar ambigs וכו'). ראה k*FileSuffix
משתנה ב-ccutil/tessdatamanager.h.

ציין אפשרות -u כדי לפרוק את כל הרכיבים לנתיב שצוין:

combine_tessdata -u tessdata/eng.traineddata /בית/$USER/temp/eng.

זה ייצור /בית/קבצי $USER/temp/eng.* עם רכיבי tessdata בודדים מ
tessdata/eng.traineddata.

אפשרויות

-e .traineddata קובץ...: מחלץ את הרכיבים שצוינו מקובץ ה-traineddata

-o .traineddata קובץ...: מחליף את הרכיבים שצוינו של קובץ ה-traineddata עם
אלה שסופקו בשורת הפקודה.

-u .traineddata PATHPREFIX מפרק את הנתונים .trained באמצעות הקידומת שסופקה.

מערות

קידומת מתייחס לקידומת הקובץ המלאה, כולל נקודה (.)

רכיבים

הרכיבים בקובץ Tesseract lang.traineddata נכון ל-Tesseract 3.02 הם בקצרה
המתואר להלן; למידע נוסף על רבים מהקבצים הללו, ראה
https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract

lang.config
(אופציונלי) עקיפות ספציפיות לשפה למשתני תצורת ברירת מחדל.

lang.unicharset
(חובה) רשימת הסמלים ש-Tesseract מזהה, עם מאפיינים. לִרְאוֹת
unicharset(5).

lang.unicharambigs
(אופציונלי) קובץ זה מכיל מידע על זוגות של סמלים מזוהים שהם
לעתים קרובות מבולבל. לדוגמה, rn ו m.

lang.inttemp
(חובה) תבניות צורת תווים עבור כל Unichar. המיוצר על ידי אימון(1).

lang.pffmtable
(חובה) מספר התכונות הצפויות עבור כל Unichar. המיוצר על ידי אימון(1)
החל מ- .tr קבצים.

lang.normproto
(חובה) אבות טיפוס לנורמליזציה של תווים שנוצרו על ידי אימון(1) מאת .tr
קבצים.

lang.punc-dawg
(אופציונלי) דפוס עשוי מדפוסי פיסוק שנמצאו סביב מילים. חלק ה"מילה".
מוחלף בחלל בודד.

lang.word-dawg
(אופציונלי) דגל עשוי ממילים במילון מהשפה.

lang.number-dawg
(אופציונלי) דאוג עשוי מאסימונים שהכילו במקור ספרות. כל ספרה היא
הוחלף בתו רווח.

lang.freq-dawg
(אופציונלי) תצהיר שנעשה מהמילים השכיחות ביותר שהיו נכנסות
מילה-דאוג.

lang.fixed-length-dawgs
(אופציונלי) מספר דגמים באורכים קבועים שונים - שימושי לשפות כמו
סִינִית.

lang.cube-unicharset
(אופציונלי) ערכת יחידה לקובייה, אם הקובייה אומנה על קבוצה אחרת של סמלים.

lang.cube-word-dawg
(אופציונלי) מילה Dawg עבור ה-unicharset החלופי של הקובייה. לא נחוץ אם קיוב אומנה
עם ה-unicharset של Tesseract.

lang.shapetable
(אופציונלי) כאשר קיים, טבלת צורה היא שכבה נוספת בין הדמות
מסווג ומזהה המילים המאפשר למסווג התווים להחזיר א
אוסף של זיהויים וגופנים של Unichar במקום זיהוי וגופן יחיד של unichar.

lang.bigram-dawg
(אופציונלי) אוסף של ביגרמות מילים שבהן המילים מופרדות ברווח וכל אחת מהן
הספרה מוחלפת ב-a ?.

lang.unambig-dawg
(אופציונלי) TODO: תאר.

lang.params-training-model
(אופציונלי) TODO: תאר.

הִיסטוֹרִיָה

combine_tessdata(1) הופיע לראשונה בגרסה 3.00 של Tesseract

השתמש ב-combin_tessdata באופן מקוון באמצעות שירותי onworks.net