"language_model_penalty_non_dict_word" 在 tesseract 3.01 中无效

Question

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。我尝试过使用多张图片和多个值，但每张图片的输出始终相同。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，这个函数从来没有被调用过！它仅由 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。

Answer 1

经过一些调试，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）。

来自这段代码：

  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

"language_model_penalty_non_dict_word" 在 tesseract 3.01 中无效

"language_model_penalty_non_dict_word" has no effect in tesseract 3.01

command-line

ocr

tesseract