tesseract 학습 데이터

strace로 추적해보니 신기한(?) 파일 발견

eng는 그냥 data인데

osd.traineddata는 Matlab v4 mat-file로 나온다. 맞나.. 우연인가?

 

$ ls -alh /usr/share/tesseract-ocr/4.00/tessdata 합계 15M drwxr-xr-x 4 root root 4.0K 12월 21 10:48 . drwxr-xr-x 3 root root 4.0K  5월 30  2023 .. drwxr-xr-x 2 root root 4.0K  5월 30  2023 configs -rw-r--r-- 1 root root 4.0M  9월 16  2017 eng.traineddata -rw-r--r-- 1 root root  11M  9월 16  2017 osd.traineddata -rw-r--r-- 1 root root  572  2월  9  2022 pdf.ttf drwxr-xr-x 2 root root 4.0K  5월 30  2023 tessconfigs $ file *.traineddata eng.traineddata: data osd.traineddata: Matlab v4 mat-file (little endian) , text, rows 4294967295, columns 4294967295, imaginary $ tree /usr/share/tesseract-ocr/4.00/tessdata . ├── configs │   ├── alto │   ├── ambigs.train │   ├── api_config │   ├── bigram │   ├── box.train │   ├── box.train.stderr │   ├── digits │   ├── get.images │   ├── hocr │   ├── inter │   ├── kannada │   ├── linebox │   ├── logfile │   ├── lstm.train │   ├── lstmbox │   ├── lstmdebug │   ├── makebox │   ├── pdf │   ├── quiet │   ├── rebox │   ├── strokewidth │   ├── tsv │   ├── txt │   ├── unlv │   └── wordstrbox ├── eng.traineddata ├── osd.traineddata ├── pdf.ttf └── tessconfigs     ├── batch     ├── batch.nochop     ├── matdemo     ├── msdemo     ├── nobatch     └── segdemo 2 directories, 34 files

 

kor 은 15메가

[링크 : https://github.com/tesseract-ocr/tessdata]

 

 

+

실행하니 당연히(?) tesseract용 데이터가 없다고 오류가 발생한다.

혹시나 해서 변수는 확인해도 비어있고

pc에서 복사해서 설정해주니 ok

~/tesseract-main/build/bin# ./tesseract /home/root/a.png - Error in pixReadMemTiff: function not present Error in pixReadMem: tiff: no pix returned Error in pixaGenerateFontFromString: pix not made Error in bmfCreate: font pixa not made Error opening data file ./eng.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language 'eng' Tesseract couldn't load any languages! Could not initialize tesseract. root@imx8mpevk:~/tesseract-main/build/bin# echo $TESSDATA_PREFIX # export TESSDATA_PREFIX=/home/root/tessdata

 

아래 이미지를 인식시킴(pc는 dpi가 이상하다고 인식을 못함)

 

의외로 잘 인식한다.

그런데 pc 에서는 인식을 이상하게 했지만 0.2초

i.mx8 에서는 인식을 잘했지만 1.6초. 흐음.. 실시간으로 돌리기에는 무리군..

# time ./tesseract /home/root/a.png - Error in pixReadMemTiff: function not present Error in pixReadMem: tiff: no pix returned Error in pixaGenerateFontFromString: pix not made Error in bmfCreate: font pixa not made Estimating resolution as 132 Warning:guessing pitch as xheight on row 1, block 1 1.MX8MP Evaluation Kit .MxeMP 1.50 GHz 2020-06-07 2848 MB RAM > Console Options wait, 65535 means Select Language <Standard English> Reset > Device Manager > Boot Manager > Boot Maintenance Manager Continue Reset ay=Move Highlight <Enter>=Select Entry real 0m1.646s user 0m1.578s sys 0m0.060s