针对真实图像评估经过训练的生成图像 Tesseract 4 LSTM 模型答案

【问题标题】：Evaluation of a trained-on-generated images Tesseract 4 LSTM model against real images针对真实图像评估经过训练的生成图像 Tesseract 4 LSTM 模型
【发布时间】：2021-07-26 00:36:14
【问题描述】：

我已经针对我生成的一组约 30,000 个地面实况图像训练了一个 Tesseract 4 LSTM 模型（而不是使用来自扫描作品的“真实”图像，我没有足够的数据来可靠地训练模型）。

该模型运行良好（或至少比它所基于的eng 更好）。图像生成脚本有几个我可以调整的参数，但我想以一种更“有序”的方式来做这件事，而不是仅仅关注输出，所以我想根据一个（小得多）的精度生成指标一组真实世界的图像。

但是，我不清楚如何获取一组线条图像和地面实况文本文件并生成所需的文件以在新模型上运行 lstmeval。当评估图像与最初用于训练模型的实际图像无关时，如何生成数据以提供给lstmeval？

【问题讨论】：

标签： lstm ocr tesseract tesstrain

【解决方案1】：

您可以像这样生成评估所需的.ltsmf 文件，假设评估的真实情况在tesstrain/data/eval-ground-truth 中：

cd tesstrain
make lists MODEL_NAME=eval

这将生成一个文件data/eval/all-lstmf，其中包含所有生成的.lstmf 文件的列表。 list.eval 仅包含一个子集，因为地面实况语料库被划分为评估和训练集（根据 RATIO_TRAIN）。

然后你可以运行lstmeval:

lstmeval \
    --model data/your_model.traineddata  \
    --eval_listfile data/eval/all-lstmf

产生这样的东西（下面的错误被添加到一个.gt.txt文件的基本事实中以引发错误，例如）：

Warning: LSTMTrainer deserialized an LSTMRecognizer!
Truth:TThoſe hypocrites that live amongſt us,
OCR  :Those hypocrites that live amongst us,
At iteration 0, stage 0, Eval Char error rate=1.282051, Word error rate=8.333333

如果没有错误（如本例所示），它看起来像：

Warning: LSTMTrainer deserialized an LSTMRecognizer!
At iteration 0, stage 0, Eval Char error rate=0.000000, Word error rate=0.000000

【讨论】：