“无法为lang tesseract 4.1加载任何lstm特定的词典

Question

我尝试使用OCRD项目来训练tesseract 4.1，但是在训练完成后，我复制了lang.traineddata，但遇到了错误。tesseractWiki页面在制作lstmf文件后很难理解要求使用combin_lang_model。所以实际上我有lstmf文件。我通过使用tif / box对创建了这些文件。请帮助我进一步。

Answer 1

相关讨论：Failed to load any lstm-specific dictionaries for lang xxx

假设您的训练文件夹是这样的：

OCRD/makefile
OCRD/data/foo-ground-truth.

您可以按照以下步骤尝试：

1. 在makefile中找到WORDLIST_FILE / NUMBERS_FILE / PUNC_FILE，并将其更改为：

   WORDLIST_FILE：= data / $（MODEL_NAME）.wordlistNUMBERS_FILE：=数据/ $（MODEL_NAME）。数字PUNC_FILE：=数据/ $（MODEL_NAME）.punc

2. 假设您的基本训练数据是eng.traineddata。

2.1从langdata_lstm下载.wordlist / .numbers / .punc文件。

2.2将它们放在OCRD /数据中

2.3如果MODEL_NAME = foo，请将其重命名为：foo.wordlist，foo.numbers，foo.punc

如果您没有基本的训练数据，也可以尝试一下。但是，如果您的基本训练数据是afr，则应从langdata_lstm / afr下载文件。

3. 再次进行训练

此错误的原因：在OCRD中，上述三个文件的默认路径为$（OUTPUT_DIR）=数据/ $（MODEL_NAME），并且该路径中的所有文件都会在训练过程中自动生成。

如果未分配变量START_MODEL，则makefile将不会在此路径下生成任何相关文件；

如果已分配了变量START_MODEL，则foo.lstm-number-dawg，foo.lstm-punc-dawg，foo.lstm-word-dawg等将在数据/ $（MODEL_NAME）中生成。但是它们不是正确的。因此，OCRD中可能存在错误。