tesseract ocr greek training

[pelasgian]

Παίδες, λέω να ξεκινήσω ένα ελληνικό training για το tesseract που χρησιμοποιεί (μεταξύ άλλων) το gscan2pdf.

Αναρωτιέμαι αν κάποιος έχει κάνει κάτι τέτοιο, αν είναι να συμπληρώσω.

Βρήκα ένα ... αρχαία ελληνικά και λατινικά εδώ:
http://www.himeros.eu/

και οδηγίες εδώ:
http://code.google.com/p/tesseract-o...iningTesseract

Προσέξτε κυρίλα, στο LINUX και όχι μόνο έχουμε ΕΙΔΙΚΟ πρόγραμμα για training.

Όποιος κατέχει, με λέει.

[Πληκτροκράτορας]

Συγνώμη για τη νεκρανάσταση, ήθελα να ρωτήσω εάν έχει υπάρξει πρόοδος στο θέμα, είτε κατ' ιδίαν είτε από την κοινότητα καθότι είδα αυτό: [ http://code.google.com/p/tesseract-o.../detail?id=285 ].

Υπάρχει επίσης και το OCROpus και η πρόταση αυτή [ http://greek-coding-camp.wikidot.com/ocropus ]. Από ό,τι είδα, τα internals υποστηρίζουν πλέον UTF-8 κανονικά, άρα είναι θέμα training (?).

Ιδέες άλλες ανοιχτού κώδικα για ελληνικό OCR? Εάν όχι, υπάρχει διάθεση για σύμπραξη;

[ecatodarcus]

προσωπικά χρησιμοποιώ ubuntu και πρίν λίγο καιρό βρήκα αυτό:
http://forum.ubuntu-gr.org/viewtopic...=16669&start=0
ελπίζω να βοηθήσει.

[gorillaki]

Λυπηρόν αυτό που θα πω, αλλά για ελληνικό OCR... μόνο FineReader από windows.

[Πληκτροκράτορας]

Λυπηρόν αυτό που θα πω, αλλά για ελληνικό OCR... μόνο FineReader από windows.

Δεν είναι λυπηρό, είναι η αλήθεια. Αλλά με ενδιαφέρει custom λύση για integration σε ήδη υπάρχον pipeline processing. Κάτι αντίστοιχο του [ http://www.abbyy.com/recognition_server/ ].

@ecatodarcus: Ευχαριστώ, κάπως μου ξέφυγε αυτό. Θα κάνω μερικά test και θα αναφέρω κατά πόσο κάνει δουλειά. Με ενδιαφέρει πολύ και το layout analysis, θα δούμε τι ψάρια πιάνει, βλέπω στην έκδοση 3 υποστηρίζεται.

[ecatodarcus]

@ Πληκτροκράτορας. να σου πώ την αλήθεια δεν πολυκατάλαβα τι είπες καθότι είμαι ψιλο άσχετος από ορολογίες (αναφέρομαι στο layout analysis). Πάντως έχει πολύ καλά αποτελέσματα. Το έχω δοκιμάσει και ήμουν αρκετά ευχαριστημένος!

@ gorillaki. Αν δοκιμάσεις την λύση που παρέθεσα παραπάνω θα δείς οτι υπάρχει και άλλη λύση εκτός του finereader και μάλιστα opensource.

έχει αρκετά καλά αποτελέσματα