python - OCR 阿拉伯语的 Tensorflow 模型

Question

我是 Tensorflow 的初学者，我想使用 Tensorflow 构建一个 OCR 模型，该模型可以从阿拉伯草书字体(即联合阿拉伯语手写体)中检测阿拉伯语单词。理想情况下，该模型能够检测阿拉伯语和英语。请查看我目前正在尝试进行 OCR 的词典中页面的附加图像。本书其他页面的字体和布局与英文和阿拉伯文相同。

我有两个问题:

(1) 我会使用连体/草书阿拉伯语文本中的单个字符进行训练，还是需要整个单词或单个字符的边界框？

(2) 是否有任何其他可用的 OCR Tensorflow(或 Keras)模型来处理草书书写，尤其是阿拉伯语。

Answer 1

Tesseract 是 Google 的 OCR 引擎，具有经过阿拉伯语训练的模型。

在此处了解更多信息:https://github.com/tesseract-ocr/tesseract

它支持的语言在这里:https://github.com/tesseract-ocr/tesseract/blob/master/doc/tesseract.1.asc#languages

阿拉伯语数据集在这里:https://github.com/tesseract-ocr/tessdata/blob/master/ara.traineddata

希望这对您有所帮助!