combine_tessdata - ອອນລາຍໃນຄລາວ

ໂຄງການ:

NAME

combine_tessdata - ລວມ/ສະກັດ/ຂຽນທັບຂໍ້ມູນ Tesseract

ສະຫຼຸບສັງລວມ

combine_testdata [ທາງເລືອກ] ເອກະສານ...

ລາຍລະອຽດ

combine_testdata(1​) ເປັນ​ໂຄງ​ການ​ຕົ້ນ​ຕໍ​ທີ່​ຈະ​ປະ​ສົມ / ສະ​ກັດ / overwrite ອົງ​ປະ​ກອບ tessdata​
ໃນ [lang].traineddata ໄຟລ໌.

ເພື່ອສົມທົບອົງປະກອບ tessdata ສ່ວນບຸກຄົນທັງຫມົດ (unicharset, DAWGs, ການຈັດປະເພດ
ແມ່ແບບ, ຄວາມບໍ່ແນ່ນອນ, ການຕັ້ງຄ່າພາສາ) ຕັ້ງຢູ່, ເວົ້າ, / home /$USER/temp/eng.* ແລ່ນ:

combine_testdata / home /$USER/temp/eng.

ຜົນໄດ້ຮັບຈະເປັນໄຟລ໌ tessdata ປະສົມປະສານ / home /$USER/temp/eng.traineddata

ລະບຸທາງເລືອກ -e ຖ້າທ່ານຕ້ອງການສະກັດອົງປະກອບສ່ວນບຸກຄົນຈາກການລວມກັນ
ໄຟລ໌ຂໍ້ມູນການຝຶກອົບຮົມ. ຕົວຢ່າງ, ເພື່ອສະກັດໄຟລ໌ config ພາສາແລະ unicharset ຈາກ
tessdata/eng.traineddata ແລ່ນ:

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

ໄຟລ໌ config ທີ່ຕ້ອງການແລະ unicharset ຈະຖືກຂຽນໃສ່ / home /$USER/temp/eng.config
/ home /$USER/temp/eng.unicharset

ລະບຸທາງເລືອກ -o ເພື່ອຂຽນທັບອົງປະກອບສ່ວນບຸກຄົນຂອງໄຟລ໌ [lang].traineddata ທີ່ໃຫ້.
ຕົວຢ່າງ, ເພື່ອຂຽນທັບການຕັ້ງຄ່າພາສາແລະໄຟລ໌ທີ່ບໍ່ຊັດເຈນ unichar ໃນ
tessdata/eng.traineddata ໃຊ້:

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

ດັ່ງນັ້ນ, tessdata/eng.traineddata ຈະມີການຕັ້ງຄ່າພາສາໃໝ່ ແລະ unichar
ambigs, ບວກກັບ DAWG ຕົ້ນສະບັບທັງຫມົດ, ແມ່ແບບການຈັດປະເພດ, ແລະອື່ນໆ.

ຫມາຍເຫດ: ຊື່ໄຟລ໌ຂອງໄຟລ໌ທີ່ຈະສະກັດແລະຂຽນທັບຄວນຈະມີ
ຄໍາຕໍ່ທ້າຍໄຟລ໌ທີ່ເຫມາະສົມ (ສ່ວນຂະຫຍາຍ) ຊີ້ໃຫ້ເຫັນປະເພດຂອງອົງປະກອບ tessdata ຂອງເຂົາເຈົ້າ
(.unicharset ສໍາລັບ unicharset, .unicharambigs ສໍາລັບ unichar ambigs, ແລະອື່ນໆ). ເບິ່ງ k*FileSuffix
ຕົວແປໃນ ccutil/tessdatamanager.h.

ລະບຸທາງເລືອກ -u ເພື່ອ unpack ອົງປະກອບທັງຫມົດໄປຫາເສັ້ນທາງທີ່ລະບຸໄວ້:

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

ນີ້ຈະສ້າງ / home /$USER/temp/eng.* ໄຟລ໌ທີ່ມີອົງປະກອບ tessdata ສ່ວນບຸກຄົນຈາກ
tessdata/eng.traineddata.

OPTIONS

-e .ຂໍ້ມູນການຝຶກອົບຮົມ ເອກະສານ...: ສະກັດອົງປະກອບທີ່ລະບຸໄວ້ຈາກໄຟລ໌ .traineddata

-o .ຂໍ້ມູນການຝຶກອົບຮົມ ເອກະສານ...: ຂຽນທັບອົງປະກອບທີ່ລະບຸຂອງໄຟລ໌ .traineddata ດ້ວຍ
ທີ່ສະຫນອງໃຫ້ຢູ່ໃນເສັ້ນຄໍາສັ່ງ.

-u .ຂໍ້ມູນການຝຶກອົບຮົມ PATHPREFIX Unpacks .traineddata ໂດຍໃຊ້ຄໍານໍາຫນ້າທີ່ສະຫນອງໃຫ້.

ຂໍ້ຄວນລະວັງ

Prefix ຫມາຍເຖິງຄໍານໍາຫນ້າຂອງໄຟລ໌ເຕັມ, ລວມທັງໄລຍະເວລາ (.)

ອົງປະກອບ

ອົງປະກອບໃນໄຟລ໌ Tesseract lang.traineddata ເປັນຂອງ Tesseract 3.02 ແມ່ນໄລຍະສັ້ນໆ.
ອະທິບາຍຂ້າງລຸ່ມນີ້; ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບຫຼາຍໆໄຟລ໌ເຫຼົ່ານີ້, ເບິ່ງ
https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract

lang.config
(ທາງເລືອກ) ການລົບລ້າງພາສາສະເພາະກັບຕົວແປການຕັ້ງຄ່າເລີ່ມຕົ້ນ.

ພາສາ.unicharset
(ຕ້ອງການ) ບັນຊີລາຍຊື່ຂອງສັນຍາລັກທີ່ Tesseract ຮັບຮູ້, ມີຄຸນສົມບັດ. ເບິ່ງ
unicharset(5).

lang.unicharambigs
(ທາງເລືອກ) ໄຟລ໌ນີ້ມີຂໍ້ມູນກ່ຽວກັບຄູ່ຂອງສັນຍາລັກທີ່ຮັບຮູ້ໄດ້
ມັກສັບສົນ. ຍົກ​ຕົວ​ຢ່າງ, rn ແລະ m.

lang.inttemp
(ຕ້ອງການ) ແມ່ແບບຮູບຮ່າງຂອງຕົວອັກສອນສໍາລັບແຕ່ລະ unichar. ຜະລິດໂດຍ mfraining(1).

lang.pffmtable
(ຕ້ອງການ) ຈໍານວນຄຸນສົມບັດທີ່ຄາດໄວ້ສໍາລັບແຕ່ລະ unichar. ຜະລິດໂດຍ mfraining(1​)
ຈາກ tr ໄຟລ໌.

lang.normproto
(ຕ້ອງການ) prototypes normalization ລັກສະນະທີ່ສ້າງຂຶ້ນໂດຍ ການຝຶກອົບຮົມ(1) ຈາກ tr
ໄຟລ໌.

lang.punc-dawg
(ທາງເລືອກ) ໂຕເຄື່ອງທີ່ເຮັດມາຈາກຮູບແບບເຄື່ອງໝາຍວັກຕອນທີ່ພົບເຫັນຢູ່ອ້ອມຮອບຄຳສັບ. ສ່ວນ "ຄໍາ".
ຖືກແທນທີ່ດ້ວຍຊ່ອງດຽວ.

lang.word-dawg
(ທາງເລືອກ) ໂຕໜັງສືທີ່ສ້າງຂຶ້ນຈາກວັດຈະນານຸກົມຈາກພາສາ.

lang.number-dawg
(ທາງເລືອກ) ໂຕເຫລັກທີ່ສ້າງຂຶ້ນຈາກໂຕເຄັນແຕ່ເດີມມີຕົວເລກ. ແຕ່ລະຕົວເລກແມ່ນ
ແທນທີ່ດ້ວຍຕົວອັກສອນຊ່ອງ.

lang.freq-dawg
(ທາງເລືອກ) ດອກກຸຫຼາບທີ່ສ້າງຂຶ້ນຈາກຄຳສັບທີ່ພົບເລື້ອຍທີ່ສຸດ
ຄໍາ-dawg.

lang.fixed-length-dawgs
(ທາງເລືອກ) ຫຼາຍໆອັນຂອງຄວາມຍາວຄົງທີ່ທີ່ແຕກຕ່າງກັນ — ເປັນປະໂຫຍດສໍາລັບພາສາເຊັ່ນ
ຈີນ.

lang.cube-unicharset
(ທາງເລືອກ) unicharset ສໍາລັບ cube, ຖ້າ cube ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຊຸດສັນຍາລັກທີ່ແຕກຕ່າງກັນ.

lang.cube-word-dawg
(ທາງເລືອກ) ຄໍາສັບ dawg ສໍາລັບ unicharset ຈັບສະຫຼັບຂອງ cube. ບໍ່ຈໍາເປັນຖ້າ Cube ໄດ້ຮັບການຝຶກອົບຮົມ
ກັບ unicharset Tesseract.

lang.shapetable
(ທາງເລືອກ) ເມື່ອມີ, ຕາຕະລາງຮູບຮ່າງເປັນຊັ້ນພິເສດລະຫວ່າງຕົວລະຄອນ
classifier ແລະຕົວຮັບຮູ້ຄໍາທີ່ອະນຸຍາດໃຫ້ຕົວຈັດປະເພດຕົວອັກສອນກັບຄືນ a
ການເກັບກໍາ unichar ids ແລະຕົວອັກສອນແທນທີ່ຈະເປັນ unichar-id ແລະຕົວອັກສອນດຽວ.

lang.bigram-dawg
(ທາງເລືອກ) A dawg ຂອງ bigrams ຄໍາທີ່ຄໍາສັບຕ່າງໆໄດ້ຖືກແຍກອອກໂດຍຊ່ອງແລະແຕ່ລະ
ຕົວເລກຖືກແທນທີ່ດ້ວຍ a ?.

lang.unambig-dawg
(ທາງເລືອກ) TODO: ອະທິບາຍ.

lang.params-training-model
(ທາງເລືອກ) TODO: ອະທິບາຍ.

ປະຫວັດຄວາມເປັນ

combine_testdata(1) ປາກົດຕົວຄັ້ງທໍາອິດໃນຮຸ່ນ 3.00 ຂອງ Tesseract

ໃຊ້ combine_tessdata ອອນໄລນ໌ໂດຍໃຊ້ບໍລິການ onworks.net