Tesseract

version 4

LSTM(Long Short Term Memory) 기반 엔진 구현

* RNN(Recurrent Neural Network)의 일종

다른 딥러닝 기술

* CNN(Convolutional Neural Network): 단일문자가 포함된 이미지를 인식하는 경우

설치

공식문서 https://github.com/tesseract-ocr/tesseract/wiki#installation

데비안 계열

$ sudo apt install tesseract-ocr tesseract-ocr-kor

명령어 사용법

$ tesseract 영문텍스트.png stdout -l eng --oem 1 --psm 3

여러언어

$ tesseract myscan.png out -l eng+deu

파라미터

oem (OCR Engine modes)

 0    Legacy engine only.
 1    Neural nets LSTM engine only.
 2    Legacy + LSTM engines.
 3    Default, based on what is available.

psm (Page segmentation modes)

 0    Orientation and script detection (OSD) only.방향 및 스크립트 감지(OSD)
 1    Automatic page segmentation with OSD. OSD로 자동 페이지 분할
 2    Automatic page segmentation, but no OSD, or OCR. 자동 페이지 분할. OSD나 OCR은 없음
 3    Fully automatic page segmentation, but no OSD. (Default) 완전히 자동으로 페이지 분할, OSD 없음.
 4    Assume a single column of text of variable sizes. 가변적인 크기의 1라인 텍스트
 5    Assume a single uniform block of vertically aligned text. 수직 텍스트
 6    Assume a single uniform block of text. 텍스트의 균일한 단일 블록을 가정
 7    Treat the image as a single text line. 1 Line 텍스트로 처리
 8    Treat the image as a single word. 1 단어로 처리
 9    Treat the image as a single word in a circle. 원 안의 1 단어로 처리
10    Treat the image as a single character. 1 문자로 처리
11    Sparse text. Find as much text as possible in no particular order. SPARSE, 특정 순서없이 가능한 한 많은 텍스트 찾기
12    Sparse text with OSD. OSD 가 포함된 SPARSE
13    Raw line. Treat the image as a single text line, bypassing hacks that are Tesseract-specific. 원시 라인, 이미지를 단일 텍스트로 처리

using-different-page-segmentation-modes: https://github.com/tesseract-ocr/tesseract/wiki/Command-Line-Usage#using-different-page-segmentation-modes

결과 향상시키기

• 300DPI이미지 사용하기