tesseract 5.0 bazaar + 用户词配置不起作用

Question

我试图强制 tesseract 在执行 OCR 时只使用我的单词列表。首先，我将集市文件复制到/usr/share/tesseract-ocr/5/tessdata/configs/. 这是我的集市文件：

load_system_dawg F
load_freq_dawg F
user_words_suffix user-words

然后，我eng.user-words在/usr/share/tesseract-ocr/5/tessdata. 这是我的用户词文件：

Items
VAT
included
CASH

然后我通过命令对这个图像执行 ocr: tesseract -l eng --oem 2 test_small.jpg stdout bazaar。

这是我的结果：

2 Item(s) (VAT includsd) 36,000
casH 40,000
CHANGE 4. 000

如您所见，includsd不在我的用户词文件中，它应该被“包含”。此外，即使没有bazaaz在命令中使用配置，我也得到了相同的结果。看起来 mybazaar和eng.user-wordsconfig 对 OCR 输出没有任何影响。那么如何使用bazaar和user-words配置，以获得想要的结果呢？

Answer 1

user_words_suffix似乎不适用于--oem 2. 解决方法是使用user_words_file包含用户单词文件路径的文件。