Programą reikia papildomai apmokyti, nes šiuo metu ji apmokyta pažinti tik kelis šriftus (Arial, Times New Roman, Verdana, Courier New, DejaVu, Palemonas,Vytis), ir tai – gan paviršutiniškai. Jei skenuodami tekstą aptiksite, kad programa blogai susidoroja su užduotimi, galite padėti man ją papildomai apmokyti.

Apmokymo procesas

• išrinkite geros skenavimo kokybės puslapį ar jo dalį iš to teksto, kurį skenuoja blogai; jei žinote, koks tai šriftas, parenkite vieną puslapį su tuo šriftu, šiek tiek padidinę tarpus tarp raidžių;

• sukurkite pagal čia pateiktas instrukcijas *.tif ir *.box failus,

• pataisykite iki geros būsenos *.box failą ir

• atsiųskite *.box ir *.tif failų porą man.

Aš jais papildomai apmokysiu Tesseract-OCR.

Apmokymui naudoti failai

Šie failai buvo naudoti atitinkamoms tesseract-ocr-lit paketo versijoms „gaminti“:

• boxtiff-2.03-0.3-lit.tar.gz

• boxtiff-2.03-0.2.3-lit.tar.gz

• boxtiff-2.03-0.1-lit.tar.gz – šiuose failuose yra nemažai klaidų…