为什么识别如此纯净。发动机原理

Question

如果我写的关于引擎的是正确的。

假设训练集基于大小为14pt的字体。图片中的符号被调整到特定的大小，我看不出在这种情况下它们不被识别的任何原因。

我还尝试了定制词典，以惩罚非词典词汇--这对识别没有太大好处。

tesseract = new tesseract::TessBaseAPI();

GenericVector<STRING> variables_name(1),variables_value(1);
variables_name.push_back("user_words_suffix");
variables_value.push_back("user-words");

int retVal = tesseract->Init([self.tesseractDataPath cStringUsingEncoding:NSUTF8StringEncoding], NULL,tesseract::OEM_TESSERACT_ONLY, NULL, 0, &variables_name, &variables_value, false);
ok |= retVal == 0;
ok |= tesseract->SetVariable("language_model_penalty_non_dict_word", "0.2");
ok |= tesseract->SetVariable("language_model_penalty_non_freq_dict_word", "0.2");

if (!ok)
{
    NSLog(@"Error initializing tesseract!");
}

老实说，我为什么要训练它？对于来自互联网的默认训练数据文本，或者PC（Mac）的屏幕，我得到了很好的识别。

我还检查了原始的tesseract英语训练数据，它有38个tiff文件，属于以下家族:1)Árial2)Verdana3)Trebuc4)Times5)Georigia6)cour

似乎来自图像的字体不属于这个集合。