“language_model_penalty_non_dict_word”在 tesseract 3.01 中无效答案

【问题标题】："language_model_penalty_non_dict_word" has no effect in tesseract 3.01“language_model_penalty_non_dict_word”在 tesseract 3.01 中无效
【发布时间】：2015-04-23 14:32:46
【问题描述】：

我正在通过 Tesseract 3.01 的配置文件设置 language_model_penalty_non_dict_word，但它的值没有任何效果。我尝试过使用多个图像和多个值，但每个图像的输出总是相同的。另一位用户注意到了相同的in a comment in another question。

编辑：查看源代码后，变量language_model_penalty_non_dict_word仅在函数float LanguageModel::ComputeAdjustedPathCost内部使用。

但是，这个函数永远不会被调用！它仅被 2 个函数引用 - LanguageModel::UpdateBestChoice() 和 LanguageModel::AddViterbiStateEntry()。我在这些函数中放置了断点，但它们也没有被调用。

【问题讨论】：

标签： command-line ocr tesseract

【解决方案1】：

经过一番调试，我终于找到了原因——函数Wordrec::SegSearch()没有被调用（它在LanguageModel::ComputeAdjustedPathCost()的调用图中）。

从此代码：

  if (enable_new_segsearch) {
    SegSearch(&chunks_record, word->best_choice,
              best_char_choices, word->raw_choice, state);
  } else {
    best_first_search(&chunks_record, best_char_choices, word,
                      state, fixpt, best_state);
  }

所以你需要在配置文件中设置enable_new_segsearch：

enable_new_segsearch    1

language_model_penalty_non_freq_dict_word 0.2
language_model_penalty_non_dict_word 0.3

【讨论】：

这是否也适用于 4.x？