需要在本地使用 ocr 识别, 但是 tesseract 对中文的支持不怎么好, 查了一下需要训练中文字库。感觉有点麻烦，有没有训练好的字库？或者其他的方法可以实现本地的中文识别。
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 3033 days ago, the information mentioned may be changed or developed.
 |
1
wshedu Jan 21, 2018
百度和腾讯云都有 ocr 在线识别。
|
 |
3
woyaojizhu8 Jan 21, 2018
不存在的，中文识别只有 abbyy 文通和汉王
|
 |
4
Genii Jan 21, 2018 via Android
/s/1c3FuQFQ
不知道能不能用 |
 |
5
murmur Jan 21, 2018
训练这个东西最好是自己做 除非是标准的印刷体 或者直接像 1 楼说的用云服务不更好
|
 |
6
m939594960 Jan 21, 2018
我也有类似的需求，但是都是标准的字体，有没有那种按字体训练好的
|
 |
7
lonelygo Jan 21, 2018
@woshichuanqilz @m939594960
如果是标准字体，用 tesseract 3.05 版本，是基于机器学习的方法而不是深度学习，自己准备数据集训练不算难。印刷体可以自己生成对应字体的 tif 文件，人工校对这个工作量不小，真训练过程很快也不难。 4.0 版本是基于 LSTM 的，算是深度学习的方法了，需要的数据集更大也会更慢，而且官方文档写的比较晦涩，需要结合代码和 3.0*的方法一起理解。 现成的，那就是 3 楼推荐的了，花钱买吧。 |
 |
8
WispZhan Jan 21, 2018
tesseract 这玩意，做中文识别很淡疼的。针对不同字体训练库最后弄出来很大很大。特别是字体多了之后……
|
 |
10
SatanFu Jan 22, 2018
https://github.com/tesseract-ocr/tessdata
这里有一些训练好的数据 |
|
12
lonelygo Jan 22, 2018
|
 |
13
faicker Jan 22, 2018
4.0 最新的 master，用的这里的已经训练好的字库，https://github.com/tesseract-ocr/tessdata_best
识别率感觉还行。 |
 |
14
woshichuanqilz OP  1
@faicker 用了, 好一点但是也比较不理想, 谢谢~
|
 |
15
sayyoume Nov 12, 2018
请问 windows 下 你们是怎么编译通过的？翻墙？
|
 |
16
craftx May 8, 2023
实测 https://github.com/tesseract-ocr/tessdata_best 的中文训练集较理想，基本满足需求
|
Select Language