抱歉，这可能是个愚蠢的问题。但我对机器学习和Tessaract OCR相当陌生。我听说Tessaract OCR是可以训练的。
我需要知道的是，Tessaract OCR是使用神经网络作为它们的默认训练机制，还是我们必须明确地编程才能使用神经网络？
如果我对这个“训练”概念想错了，很抱歉。但我需要确切知道的是，Tessaract已经使用了NN，如果不是，我如何使用NN和tessaract OCR来提高识别精度？
如果有人能建议我一些好的资源/方法来参考/尝试和开始，这也是一个很大的帮助。
我目前所知道的基本机器学习，监督训练的概念，并执行基本的图像OCR操作在Tessaract OCR。
浏览 3提问于2015-04-10得票数 12
回答已采纳
我想要同步语音录音与已知的文本。是否有一个语音到文本/自然语言处理库可以促进这一点？我想我会想要检测单词边界并从字典中计算候选匹配。我发现的大部分问题都与书面语言有关。
所需但不需要的：
开放源码
兼容美式英语开箱即用
跨平台
全面记录
编辑:我意识到这是一个非常广泛，甚至天真的问题，所以提前感谢你的指导。
我到目前为止发现的是：
(iOS狮身人面像/Flite包装)
浏览 1提问于2010-11-01得票数 14
回答已采纳
我是一名大四的大学生，我正在做一个车牌识别系统作为我的大四项目。我想知道当识别最适合的字符时，是人工神经网络(ANN)还是使用模式匹配的光学字符识别(OCR)？或者有什么简单的方法可以使用吗？所有的回答都表示欢迎。
非常感谢
浏览 1提问于2010-08-18得票数 0
回答已采纳
1回答
嗨，我一直在做我的最后一个项目关于识别系统的IMEI号码。我使用c++MFC，我得到了MySQL中的数据库列表控制和设置复选框的LVS_EX_CHECKBOXES。如果编辑控件中的数字像listcontrol中的imei一样，我会将图片OCR到所有编号。让程序在空白处交叉。
it镜像项目帮助指导我，谢谢。
浏览 4提问于2014-01-19得票数 0
1回答
目前我正在开发自动车牌识别系统。我已经使用yolov7的号码板检测和文本检测设施，从谷歌视觉API。我用测试图像测试了整个系统。现在我愿意开发一个系统来检测和读取视频源中的车牌。我可以为视频做检测部分，而我被卡住的地方是使用OCR作为视频中检测到的绑定框。
对于图像，我首先应用经过训练的YOLOv7模型，提取出车牌，并将检测到的车牌保存为从目录中的原始图像中裁剪出来的部分。然后将OCR应用于该裁剪部件(号码板)，并读取文本。
测试样本：
NP检测：
检测到的NP：(OCR应用于这幅裁剪的图像)
检测到的文本：
我可以从视频中检测到车牌号码，但无法找到一种方法来冻结检测到号码板的帧，
浏览 9提问于2022-09-13得票数 1
我需要一个即插即用的文本识别系统，在尝试了一些解决方案后，例如Tesseract OCR，Google的Vision API似乎对我产生了最好的结果。 然而，我以前从来没有使用过他们的任何云API，但我注意到它能够工作在offline？计费是如何工作的呢？根据我的理解，每1000张图片的在线版本收费，离线库不会绕过这一点吗？线上和线下的质量有什么不同？
浏览 48提问于2019-09-10得票数 0
回答已采纳
1回答
我正在学习OCR和阅读这本书
作者定义了8个过程来实现一个接一个的OCR (2后1，3后2等等)：
光学扫描
位置分割
前处理
分割
表象
特征提取
识别
后处理
这就是他们写的关于表示的内容(#5)。
第五个OCR组件是表示。图像表示在任何识别系统中都扮演着重要的角色。在最简单的情况下，灰度或二值图像被输入到识别器。然而，在大多数的识别系统中，为了避免额外的复杂性和提高算法的准确性，需要一个更紧凑、更有特征的表示。为此，为每个类提取了一组特征，这有助于将其与其他类区分开来，同时在class.The字符图像表示方法中保持对特征差异的不变量，通常分为三大类：(a)全局变换和级数展开(b)统计表示
浏览 0提问于2017-06-06得票数 4
1回答
在保存到文本文件时防止拆分行
、、、、
我有一个具有大约300行结构的json文件，如下所示：
[
{
"OCR":"ANNA żółty LEWANDOWSKA\nHEALTHY SWEETS by Am 31\n",
"Correct_title":...,
"Correct_author":...,
"Correct_ID":...
},
{
"OCR":"some other\nstuff that should\nst
浏览 6提问于2021-09-09得票数 0
1回答
我正在尝试使用OpenCV对信用卡数字进行二值化，以便光学字符识别系统能够识别它们。
因此，在分割阶段和裁剪之后，我执行了以下步骤：
1.将tje图像转换为灰度图像。
2.直方图均衡化。
3.使用(3,3)内核GaussianBlur(digit,bluredImg,cv::Size(3,3),9);的高斯模糊
4.阈值(Sauvola方法)。
以下是我的一些结果，但我认为它们太嘈杂，不足以用于ocr：
指向原始图像的链接：
如果你有一些技巧可以提高我的二值化质量，请与我分享(代码会很棒)。
浏览 1提问于2013-07-15得票数 0
1回答
我创建了以下代码并执行：
Ocr.setUp();
Ocr ocr = new Ocr();
ocr.startEngine("eng", Ocr.SPEED_FASTEST);
String s = ocr.recognize(theImage, Ocr.RECOGNIZE_TYPE_ALL, Ocr.OUTPUT_FORMAT_PLAINTEXT);
ocr.stopEngine();
Output:
Result: L‘i
L‘L’Ui l
实际上，图像只包含数字值。是否可以使用上述代码仅提取数字值？
我在jpg文件中显示了1234个数值，我只想在o/p控制台中打印这个
浏览 2提问于2015-11-25得票数 0
回答已采纳
我已经开发了一个基于python openCV的光学字符识别系统，并使用py2exe生成了一个.exe文件。问题是它在几个Windows系统上显示了一条错误消息。
错误消息：
Exception in Tkinter callback Traceback <most recent call last>: File "Tkinter.pyc", line 1536, in __call__ File "gui_tes3.py", line 89, in VerifyDocument File "gui_t
浏览 2提问于2016-06-22得票数 0
1回答
我有一个任务，在那里，我必须提取文本，是背后的图像，并已从图像本身OCR编辑。这一案文是透明的。问题是，有一个图像，它的背后有文字，不是OCR编辑的，它只是正常的文本，它是不透明的。如何区分所需(透明)和不需要(不透明)文本？
这是一个具有代表性的pdf文件：图像OCR文本应该在第2页、第3页、第12页上提取，而文本也在第4页上提取。在第4页，图像后面没有OCR文本，但是图像下面有规则文本。我需要过滤掉它，因为我只需要OCR文本。
浏览 6提问于2021-07-13得票数 0
回答已采纳
根据这个Link，我安装了IronOcr包，并尝试了以下代码。 using IronOcr;
var Result = new IronTesseract().Read(path);
string currentSubText = Result.Text;
textBox1.Text += currentSubText + Environment.NewLine + Environment.NewLine; 我用六张图片进行了测试： 图片 ? 图片 ? 图片 ? 图片 ? 我可以上传四张照片。 实际上它看起来不错。只有几个错误与一些特殊的德语字符(äöü) 结果1： ?
浏览 309提问于2021-09-06得票数 1
我见过一些pdf文件后，OCR有非常准确的文本(无论是在识别率，在文本对齐图像)。
如果pdf文件中隐藏的文本层是否来自OCR，那么Unix/Linux工具会帮助我知道什么呢？
浏览 0提问于2014-12-07得票数 2
2回答
使用新版SDK（java）调用ocr身份证识别接口ocr.tencentcloudapi.com，在云服务器上报一下错误
com.tencentcloudapi.common.exception.TencentCloudSDKException: javax.net.ssl.SSLPeerUnverifiedException-Hostname ocr.tencentcloudapi.com not verified:
certificate: sha1/2oGH1NU0zoUGcAYBTGnGkeHt4LQ=
DN: CN=*.ap-shanghai.tencentcloud
浏览 1490提问于2019-09-06
1回答
是否有任何OCR工具只读取图像中某些单词的坐标()。例如，参考附件图像，我只需要两个单词的坐标，即1)“测量”2) "999999.9mi“
这能实现吗？
我可以考虑将所需的单词作为输入输入到任何OCR工具，如Tessnet2，但没有找到任何合适的功能？任何其他建议都会有帮助。
浏览 4提问于2015-07-08得票数 1
1回答
所以我想要OCR，一个有文字的图像
但是输出总是很奇怪，与图片中的文本不匹配。
所以我决定改变图像属性。
我就这样改变它：
image = cv2.imread("./image_frames/frame473.png")
def get_grayscale(image):
return cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
def blur(image):
return cv2.medianBlur(image,3)
def thresholding(image):
return cv2.thres
浏览 0提问于2020-06-25得票数 2
我使用cv.imread读取python中的png文件。当我使用cv.imwrite函数立即保存图像时，我会发现图像中的颜色略有变化。我试图在这个图像上执行字符识别，而OCR在python中对图像的表现要比原始图像差得多。第一个图像是原始的，第二个是使用OpenCV保存的图像。
我们可以看到绿色略有改变，虽然这似乎并不重要，但却影响了公众角色识别系统，因此，我认为巴布亚新几内亚正在发生其他变化。有人知道为什么会这样吗我怎么能解决这个问题。
代码如下
img = cv2.imread('file.png')
cv2.imwrite('out.png&#
浏览 0提问于2018-07-09得票数 2
所以我正在开发我的第一个android应用程序。这很简单，但它使用OCR，输入来自相机。我正在设计它，以便有参考图像(每个图像上都有特定的字体)。然后，将每个字符图像设计成一个字符串。然后，它将相机拍摄的图像与参考照片进行比较，寻找人物相似性。最后，它输出一个字符串。
我需要一些帮助，我应该如何让应用程序来比较图像。另外，如果你知道创建一个光学字符识别系统的更好的方法，请告诉我(我确实找到了一个叫做JavaOCR的东西(仅适用于桌面系统)，但它使用的类并不是在安卓中实现的)。
顺便说一句，我正在Win7上使用Eclipse Indigo为Android 2.2设计它(以防它真的很重要)。
浏览 6提问于2011-11-11得票数 1
OCR 是实时高效的定位与识别图片中的所有文字信息，返回文字框位置与文字内容。支持多场景、任意版面下整图文字的识别，以及中英文、字母、数字的识别。简单来说就是将图片上的文字内容，智能识别成为可编辑的文本，这么强大的功能在我们生活当中有哪些应用呢？
浏览 3632提问于2018-08-24
通用ocr返回 -3 异常是超时，请问下 这是怎么回事？
{"code":-3,"message":"HttpRequest:url:http://recognition.image.myqcloud.com/ocr/general, method:POST, ConentType:multipart/form-data\nHeaders:\nkey:Authorization, value:ehMtjcpbvpnFx7Tqp5x4LgSWpBhhPTEyNTE2OTcwODEmYj10ZXN0MSZrPUFLSUQ3RUF5ZDdaYWFQMlVscX
浏览 438提问于2018-09-19
3回答
我四处寻找一个OCR库-最好是开源的-我可以在一些阿拉伯语pdf上使用它。在谷歌上搜索也没有找到任何有用的东西。我想知道是否有人知道相关的OCR库，甚至可以在相关语言(波斯语和乌尔都语可能是相关的)上工作的库，可以添加阿拉伯语支持。
任何关于如何实现这一点的一般性建议都将不胜感激。
浏览 5提问于2011-01-15得票数 15
1回答
基于立体视觉的目标识别
、、、
我正在使用OpenCV Haar级联分类器创建一个静态手势识别系统。我最终想把这个识别系统变成一个立体识别系统。这是我的问题，我是否可以使用由Haar Cascade分类器创建的2D识别系统，并在两个摄像头上实现它，以便在使用OpenCV中包含的立体校准功能后创建视差图？或者，我是否必须用我已经校准的立体系统拍摄照片才能创建级联分类器？
很难找到关于这个主题的好信息，我想在购买和创建一切之前规划我的项目，并确保我做的事情是正确的。
谢谢。
浏览 1提问于2013-11-13得票数 2
我正在尝试使用Tesseract-OCR和OpenCV在Python中检测图像的文本部分(jpg文件)。图像的文本部分是土耳其语，因此我使用的是Tesseract-OCR文件中的“土耳其培训数据(Tur)”。在使用之前，我使用了膨胀和腐蚀来消除噪音。
问题是，即使可以检测到某些特定区域的字符，但检测结果大多是不成功的，无法检测到土耳其字符。你知道什么方法吗?或者你有什么建议来获得更多的成功。以下是我的代码：
import pytesseract
from PIL import Image
import cv2
img= cv2.imread('C:\Users\gulsa\De
浏览 4提问于2017-11-06得票数 0
回答已采纳
1回答
我正在致力于印刷文本的OCR识别。特别是，我着重于预处理步骤，以改进引擎的结果。通过自适应阈值处理、噪声去除、文本分割等，取得了良好的效果。但是，当其他商业产品获得不错的结果时，Tesseract似乎还是失败了。
我使用了下面的测试映像，下面是与两个商业OCR相比，Tesseract 3.04获得的结果。所有3项服务都提供了相同的二值图像，其中包含了一些稍微模糊的文本。
Tesseract
Careers in Technology Consulting
Networking Lunch
21 m 2014, 11:00 - 14:30
Definingthecorporatel
浏览 3提问于2014-12-27得票数 16
请描述您的问题
另外一般需要多久呢？比如10分钟的语音文件，需要多久能转换成文字？
标题：简介 - 智能语音服务 - 文档首页 - 腾讯云文档平台 - 腾讯云
地址：https://cloud.tencent.com/document/product/441/6199
浏览 163提问于2018-03-12
我想知道是否使用OCR从扫描文档中创建了PDF。
为了使扫描文档中的文本可选，我想相同的文本是用透明的颜色，一种特殊的字体，.
我正在使用pdfbox，我查看了字体、颜色和许多其他属性，我没有发现任何特别的东西。
浏览 2提问于2014-06-12得票数 0
回答已采纳
1回答
如何从semilogx图形中提取矢量中的数据？我使用bode图来识别系统传递函数，所以我需要来自semilogx图的两个向量来比较斜率，并从近似解中识别系统。
还有没有其他方法可以进行这种识别？
浏览 2提问于2017-03-23得票数 0
3回答
根据您的经验，什么是最准确的开放源码光学字符识别(OCR)库/软件来读取日文文本？
我刚试过nhocr，它的错误率超过2%，即使是在一个非常干净的高清晰度文档上(2%用于大字体的超干净字符，对于扫描过的书籍则更糟糕，更不用说手写形式了)。
日本旧手机(特别是夏普手机)在10年前就有了很好的日本OCR，所以我想它在开源中也是可行的。
浏览 0提问于2015-02-03得票数 6
1回答
我使用WinAutomation搜索提取的OCR文本文件，并查找字符串(有很多) tr00000000000
它总是以tr开头，后面跟着11个数字。这个的准则是什么？
尝试TR.{11}和TR.0-9{11}而不工作.
浏览 3提问于2017-08-10得票数 1
回答已采纳
6回答
关于在黑板图像上使用OCR的建议
、、、、
我正在试着得到一张OCR可读的黑板图像。当然，大多数OCR软件不喜欢肮脏的图像。我应该尝试通过什么图像处理来清理图像？
浏览 3提问于2010-05-18得票数 1
回答已采纳
我想在python-3.4中使用tesseract-ocr库。我用"sudo apt-get install tesseract-ocr“下载了tesseract，现在我可以在命令行使用它了。但我想在python3中使用它。但是我找不到任何关于在python3x中使用原生tesseract的教程。
实际上，我尝试使用了一个类似pytesseract的包装器。我从下载并使用dpkg安装它。我试图导入它，但我得到了一个奇怪的错误。
错误信息为；
“symbol: /usr/lib/python3/dist-packages/_tesseract.cpython-34m-x86_64-lin
浏览 1提问于2015-01-23得票数 0
下面是我测试Tesseract性能的非常简单的程序。我得到的结果并不像预期的那样，尽管这张照片质量很高，截图也很清晰(不是一张复杂的彩色图片)。请看我的代码和下面的结果。我不知道我是不是做错了什么事，或者说，魔兽世界的引擎不能处理这个问题？
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Drawing.Imaging;
using
浏览 3提问于2016-06-13得票数 5
2回答
因此，我正在开发一个简单的移动应用程序项目(主要是为了好玩)，它使用Android上的OCR库(tesseract)扫描相机图片，对文本进行一些处理，并将其返回给用户。
我想知道的是，是否有人知道以编程(或统计)的方式来判断字符串是实际的单词，还是只是胡说八道。(我现在只针对英语，FYI)
例如，OCR可能会读取图片并返回。
String returned = "The quick brown fox."
或者，它可能会读另一张图片，然后返回。
String returned = "$. _- %/ hj @;+__~"
显然，返回的第一个字符串会产生单词，而第
浏览 5提问于2015-02-03得票数 2
回答已采纳
4回答
我使用以下正则表达式在字符串中查找电话：
([0-9]{3})\)?[-. ]?([0-9]{3})[-. ]?([0-9]{4})
它可以很好地处理数字，比如：
555-555-5555 (555)555-5555 (555) 555-5555
但是，如果字符串中有额外的空格，它就找不到电话。555 -555-5555 (555)555- 5555 (555) 555 -5555
能否将其修改为留出一两个空格？我的输入来自OCR，而不是用户输入，所以我不能要求格式化输入。
谢谢。
浏览 6提问于2017-11-02得票数 2
是否有一种方法来创建正则表达式，以确保在给定的字符范围(例如，20个字符)中有5个字符是按顺序排列的？
我正在处理可怕的OCR/扫描，我可以忍受假阳性。
有办法这样做吗？
更新:我想要将"mshpeln“匹配为misspelling。我不想做OCR。OCR工作已经完成，但是做得很糟糕(也就是说，它最初说的是misspelling，但是OCR的拷贝是"mshpeln")。我不知道我要与之匹配的文本将是什么(即我不知道它是"mshpeln“，它可能是"mispel”或任何其他组合)。
我不是试图用它作为拼写检查器，而只是找到捕获组的结尾。顺便说一句，我目前在
浏览 3提问于2013-06-04得票数 0
我想使用RPi上的OCR程序来识别我的电表照片中的数字。这些数字很大，对我来说很明显，但Tesseract似乎根本认不出它们--充其量它能检测到一些随机错误的数字。
我已经尝试过剪切这些数字，并分别对它们进行OCRing，但这并没有帮助。我试过其他几个OCR程序，它们也没有更好。
请你给我一些建议，我怎样才能让Tesseract正确地识别出下图中的两个大数字？请注意，这是原始图片是~2.5MB -这个副本更小，以适应这个网站。
📷
浏览 0提问于2017-08-07得票数 0
1回答
我想在团队中建立一个识别系统，在这个系统中，同龄人可以识别彼此的努力。我在用用户点模块。
例如，
：
UserA承认UserB所做的测试工作。
UserA登录到识别系统，并在“测试者”类别中向UserB添加1点。
UserA在“支持者”类别中得了1分，因为他承认别人的努力。
问题：
如何将点数限制为+1；不应允许多于1的负值。
如何自动向UserA添加+1点，谁添加到UserB。我试过使用规则模块，但它总是引用UserB。
浏览 0提问于2012-09-17得票数 2
我正在尝试使用pyterreract光学字符识别系统来识别部分屏幕上的字符。它说，即使它正在扫描一些字符，它也无法检测到任何字符。我认为问题在于它有一个灰色的背景，文本是黑色的，我试图扫描/捕获的内容。我认为灰色的背景把它抛掉了，所以我想把灰色改为白色，希望软件能正常工作。下面是我的代码：
imghi = ImageGrab.grab(bbox = (x, y, x + offx, y + offy))
imgglo = np.array(imghi)
浏览 0提问于2020-06-27得票数 0
1回答
我试图使用node语音识别API，但它给了我一种奇怪的行为。我把录音机初始化成这样：
var rec = new webkitSpeechRecognition();
rec.continuous = true;
rec.interimResults = true;
rec.onresult = function(e){ alert('result') };
rec.onstart = function(e){ alert('start') };
rec.onerror = function(e){ console.log(e); };
rec.onend =
浏览 3提问于2014-03-31得票数 5
回答已采纳
2回答
需要帮助进行实体标记
、、、
我需要设计一个系统，它可以识别句子中的movie和production company名称。
我想到的方法是在标签数据上训练一个NER命名实体识别系统，这样它就能识别出相应的实体。但是，新的实体(电影或制作公司名称)培训系统还没有看到，我们该如何标记它们呢？每一次用新发行的电影重新训练模特是不可行的。
标签数据:与电影或制作公司名称相对应的单词位置的句子。
我是NLP的初学者，任何帮助都将不胜感激。
浏览 0提问于2019-04-24得票数 3
回答已采纳
我正在尝试构建一个XPathQuery来获取'ocrx_word'类中的所有内容--我尝试了一些变体，但是没有找到任何可以工作的，我得到了一个Unable to Parse错误。
下面是我的HTML的样子。
<span class='ocr_line' id='line_3' title="bbox 165 201 443 219">
<span class='ocrx_word' id='word_5' title="bbox 165 201 252 217"
浏览 4提问于2014-02-08得票数 0
回答已采纳
我正在编写bash脚本来复制一些配置文件。我使用sudo bash configure.sh运行该文件。
#!/bin/bash
cp config/ocr_pattern /usr/share/tesseract-ocr/tessdata/ocr_pattern
cp config/ocr_config /usr/share/tesseract-ocr/tessdata/tessconfigs/ocr_config
但是，当我查看所做的更改时，ocr_config被正确地复制，但是ocr_pattern被复制，ocr_pattern?作为文件名而不是ocr_pattern。在?的文件名后面还
浏览 2提问于2016-10-03得票数 0
回答已采纳
4回答
如何检测图像中的文本方向？
不管方向是否颠倒(180度)。但是如果文本行是垂直的(90或270度)，我需要把它旋转90度。
我希望在没有OCR的情况下，这是可能的，因为在同一图像的4个不同方向上处理OCR需要太多的资源。
原因是我在数码相机或智能手机的图像上使用剪贴器，如果文本方向为90或270度，有时图像会被裁剪，文本丢失。
浏览 9提问于2014-05-21得票数 14
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
