从零训练Tesseract数字识别模型后识别效果极差求助
2026-8-20
训练Tesseract数字识别模型全错问题求助
我从零开始训练Tesseract，参考了Tesseract4和Tesseract5的官方文档，按步骤操作无报错，但训练出的.traineddata文件测试时识别全错，几乎没有正确结果。
我的操作步骤如下：
- 创建num.txt文件，内容为：
0123456789，目标是训练仅识别数字的.traineddata模型。 - 生成unicharset文件：
unicharset_extractor --norm_mode 3 --output_unicharset .\num.lstm-unicharset num.txt - 生成初始traineddata文件（langdata_lstm-main为GitHub下载的langdata解压文件夹）：
combine_lang_model --input_unicharset num.lstm-unicharset --lang chi_sim --script_dir .\langdata_lstm-main --output_dir .\ --version_str "num:20220908[1,48,0,1Ct3,3,16Mp3,3Lfys64Lfx96Lrx96Lfx512O1c1]" --pass_through_recoder true - 使用text2image命令生成训练所需的.tif和.box文件：
- 生成.lstmf文件：
tesseract train.tif train -l chi_sim --psm 7 lstm.train - 创建train_listfile.txt文件，写入lstmf文件路径
- 执行训练：
lstmtraining --traineddata .\chi_sim\chi_sim.traineddata --net_spec "[1,48,0,1 Ct3,3,16 Mp3,3 Lfys64 Lfx96 Lrx96 Lfx512 O1c13]" --model_output .\output\output --train_listfile train_listfile.txt --max_iterations 0 --target_error_rate 0.01 --debug_interval 0 - 训练完成后生成可运行模型：
lstmtraining --stop_training --continue_from .\output\output_checkpoint --traineddata .\chi_sim\chi_sim.traineddata --model_output .\output\num.traineddata
我使用了约5000条数据训练，但测试结果极差（左为正确答案，右为Tesseract识别结果）：
多次查阅Tesseract文档仍未找到原因，恳请帮忙解决。
内容的提问来源于stack exchange，提问作者xl c
相关产品推荐
相关产品推荐
