Tesseract 4 在与 OCR 引擎模式一起使用时无法加载任何语言 - "Legacy + LSTM engines" (--oem 2)

Question

我认为这个问题只与支持 LSTM 的 Tesseract 4 有关。由于我使用的是64位Windows系统，所以我下载了64-bit windows executable from here - https://github.com/UB-Mannheim/tesseract/wiki

它具有以下 OCR 引擎模式：

• 0 仅限旧版引擎。
• 1 仅限神经网络 LSTM 引擎。
• 2 个旧版 + LSTM 引擎。
• 3 默认，基于可用的。

它适用于除 2 之外的所有模式。

---

当 运行 与 --oem 1

tesseract --oem 1 1.jpg 1

结果：

Tesseract Open Source OCR Engine v4.0.0.20190314 with Leptonica
Warning: Invalid resolution 0 dpi. Using 70 instead.
Estimating resolution as 561
Detected 5 diacritics

并用相应的 OCR 结果创建一个文件 1.txt。

---

当 运行 与 --oem 2

tesseract --oem 2 1.jpg 1

结果：

Failed loading language 'eng'
Tesseract couldn't load any languages!
Could not initialize tesseract.

并且没有生成输出。

---

我以为错误会与语言安装有关，但

tesseract --list-langs

这给了我以下结果

List of available languages (2):
eng
osd

我什至手动检查了 tessdata 文件夹，这里是相同的截图

这清楚地表明我已经拥有 eng 语言。

Can anyone help me with the exact problem that is disallowing me use Legacy + LSTM engines (--oem 2) mode.

Answer 1

是的，您有 eng 语言，但仅支持 LSTM。如果您想获得 LSTM 和 Legacy 支持，您需要从 tessdata repository

下载数据