ocr - 针对特定单词训练 Tesseract - 可能吗？

Question

我想使用 Tesseract 从文档中提取大约 10-20 个关键字。该文件将包含所有英文字符/单词。我感兴趣的是“年龄:23​​”之类的东西。这里 Age 是我感兴趣的关键字，并且还想提取 23(它的值)。

我想到的第一种方法是将整个页面提取为文本，然后在识别的文本中查找关键字。但是在训练tesseract方面，如果我知道关键字，是否有更好的方法，这可能会导致更好的准确性？

我或多或少知道 Tesseract OCR 的局限性。试图在该限制内最大化。感谢您的所有专家建议。

Answer 1

试试 bazaar Tesseract 中的匹配模式。