ocr - Tesseract 4 与 OCR 引擎模式一起使用时无法加载任何语言 - "Legacy + LSTM engines"(--oem 2)

Question

我认为这个问题只与支持 LSTM 的 Tesseract 4 有关。由于我使用的是 64 位 Windows 系统，因此我从这里下载了 64-bit windows executable - https://github.com/UB-Mannheim/tesseract/wiki

它具有以下 OCR 引擎模式:

0 仅旧引擎。

1 仅限神经网络 LSTM 引擎。

2 传统 + LSTM 引擎。

3 默认值，基于可用内容。

它适用于除 2 之外的所有模式。

使用 --oem 1 运行时

tesseract --oem 1 1.jpg 1

结果:

Tesseract Open Source OCR Engine v4.0.0.20190314 with Leptonica
Warning: Invalid resolution 0 dpi. Using 70 instead.
Estimating resolution as 561
Detected 5 diacritics

并创建一个文件 1.txt 与相应的 OCR 结果。

使用 --oem 2 运行时

tesseract --oem 2 1.jpg 1

结果:

Failed loading language 'eng'
Tesseract couldn't load any languages!
Could not initialize tesseract.

并且不产生任何输出。

我认为错误将与语言安装有关，但是

tesseract --list-langs

这给了我以下结果

List of available languages (2):
eng
osd

我什至手动检查了 tessdata 文件夹，这是相同的屏幕截图



这清楚地表明我已经拥有 eng 语言。

Can anyone help me with the exact problem that is disallowing me use Legacy + LSTM engines (--oem 2) mode.

Answer 1

是的，您有 eng 语言，但仅支持 LSTM。如果您想获得 LSTM&Legacy 支持，您需要从 tessdata repository 下载数据