实战藏文OCR，终于成功。。。

fstibet · 发表于 2012-7-4 16:32

安装后试用排版的《正理海》图像页识别，识别结果：同元藏文字体为90%正确，正转为喜马拉雅藏文字体，正确率大概在70-80%范围，现将两张对比图像放上来，请师兄比对。师兄可以考虑用什么输入法来较对，可以组织一下大家来参与

fstibet · 发表于 2012-7-4 16:40

师兄如果组织用喜玛拉邪雅校对，我报个名吧，我可以完成50页的工作量

monlam · 发表于 2012-7-4 16:49

笨者之帚发表于 2012-7-4 14:17
不可能吧，我下载安装的很正常啊。。。

成了，在繁體中文環境安裝，得把檔名用繁體重新命名...
只是功能表有些選項文字成了問號

宝藏谷 · 发表于 2012-7-4 17:44

笨者之帚不过，目前OCR识别只能单张插入识别，很慢，没效率，

师兄对软件还不熟悉，慢慢来，我做汉文经书一次扫描几十页，整体识别一次通过效率非常高，仅有一些生僻字和佛学用语会有误差。
有几款专业的双面扫描仪也很好用，一次可以扫描100页。以前购买清华紫光扫描仪会随机赠送藏文识别软件，前段时间特地询问经
销商，回复说这款软件没有再继续开发，也不赠送。

的确制作藏汉文对照的经书是必经之路也是巅峰之作难度多多望各位老大扛起这面大旗共勉之！

空乐无二 · 发表于 2012-7-4 22:48

苯兄辛苦了.
顶.
随喜.
祝贺.

small2 · 发表于 2012-7-5 00:39

用TH-OCR识别藏文详解：

http://bbs.gelupa.org/forum.php? ... p;extra=&page=3

(这OCR流程，大家可参考，毕竟TH-OCR是唯一能识别藏文的中文软件了，再找找看是否有西文能识别藏文的OCR软件。)

笨者之帚 · 发表于 2012-7-5 08:16

fstibet 发表于 2012-7-4 16:32
安装后试用排版的《正理海》图像页识别，识别结果：同元藏文字体为90%正确，正转为喜马拉雅藏文字体，正确率 ...

[同元藏文字体为90%正确，正转为喜马拉雅藏文字体，正确率大概在70-80%范围]

为何转码会损失识别的准确率呢?这点很奇怪,按理不该啊...

fstibet · 发表于 2012-7-5 08:45

笨者之帚发表于 2012-7-5 08:16
[同元藏文字体为90%正确，正转为喜马拉雅藏文字体，正确率大概在70-80%范围]

为何转码会损失识别的准确 ...

因为识别为同元之后没校对，如果没校对好的话转喜马拉雅当然准确率降低，如果校对同元，转喜马拉雅后并不能保证百分百正确，所以必需对喜马拉雅再校对一遍，这样的工作量很大，如果喜马拉雅有70-80%的准确率，校对的话，也蛮高的，我觉得校对喜马拉雅就可以了。所以师兄如果要计划做的话，这些因素都要考虑。

般若海 · 发表于 2012-7-5 21:07

随喜

venner · 发表于 2012-7-14 18:34

苯兄辛苦了.
顶.
随喜.
祝贺.

augustli · 发表于 2012-7-14 19:08

没显示图片啊

caiwangnuobu · 发表于 2012-7-15 08:29

我试了一下准确率不过在60%左右，而且扫描的图片有点不太清楚的话，根本就无法识别。期望有更好的藏文识别软件

Zen · 发表于 2012-7-15 09:07

老笨好专业！
个人经验：原图的像素和清晰度直接决定了OCR的识别率。不过据说也有将pdf直接转存为文本的软件，有用过的吗？

笨者之帚 · 发表于 2012-7-15 10:06

Zen 发表于 2012-7-15 09:07
老笨好专业！
个人经验：原图的像素和清晰度直接决定了OCR的识别率。不过据说也有将pdf直接转存为文本的软 ...

PDF原本就是图像版的话，转存为文本文件是没有用的。

Zen · 发表于 2012-7-15 13:37

笨者之帚发表于 2012-7-15 10:06
PDF原本就是图像版的话，转存为文本文件是没有用的。

是的。
PDF软件自带的转存为文本功能，好像受制于制作PDF文件时的文字复制权限设置。
有没有软件可以转存文字无法复制、非图像版的PDF？

		自动登录	找回密码
密码			注册社区

实战藏文OCR，终于成功。。。

本帖子中包含更多资源