ocr - Tesseract 4 有两种语言

Question

我有以下图片:

当我用 -l eng+rus 调用 tesseract 时(或 -l rus+eng )我得到这个结果:

Повар спрашивает повара - 200 ВОВ!

正如您所看到的，文本的俄语部分可以识别，但 RUB 部分是错误的，因为 Tesseract 认为它是俄语文本，就我的理解而言。尽管对 BOB 充满信心word只有34，看起来Tesseract不是想用英文。除了将文本分成两组并分别在它们上运行 Tesseract 之外，还有其他方法可以修复它吗？ (我知道第二部分如果总是英语，但第一部分可以是英语或俄语)。

P.S 我尝试使用 Cyrillic 脚本训练数据 (Cyrillic.traineddata) 但结果几乎相同 ( Повар спрашивает повара - 200 ВЏВ! )

Answer 1

尽管您使用正确的语法进行多语言识别，但结果清楚地表明“BOB”被错误分类。您先做一件事，仅在 eng 语言模式下运行此文本并查看结果，它很可能会将 BOB 读取为正确的文本。然后在此检查后更改用于 eng 文本识别的默认模型。希望它会做出同样的调整。如果没有，那么你将不得不忍受这些结果，因为 tesseract 不是为了给出 100% 的结果。