EM-OCR EinsatzMonitor PDF-TIFF-TXT Fax Konverter mit Ordnerüberwachung

Feuerwehr-Gebirge

Ja aber selbst auf Standard Einstellungen kommen diese Meldungen.

Tesseract Meldungen:

Error opening data file \Program Files (x86)\Tesseract-OCR\tessdata/-psm.traineddata

Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory. Keine Ahnung was ich da machen muss

Failed loading language '-psm'

Tesseract couldn't load any languages!

Could not initialize tesserac

Habe alles normal installiert und dann nur die Ordner wie für pdf, archiv etc. zugeordnet.

Stefan Seider

Das ist doch nicht der Dateipfad zur tesseract.exe? Kontrollier deinen Pfad. Oder mach Screenshots von deinen Einstellungen und schick sie.

Juergen

Ich habe im EM-OCR/ GostScript Tesseract Einstellung das bei Tesseract Einstellung eingegeben: -l deu --psm 6 --oem 0 -c page_separator=

habe aber auch die deu.trainedatta heruntergeladen.

Gruß

Jürgen

Feuerwehr-Gebirge

Er sagt ja das die -psm.traineddata fehlt.

Juergen

Eingabe ist nicht bei den Ordnereinstellungen sondern bei den Einstellungen von GhostScript und Tesseract etwas weiter unten bei dem Menue Einstellungen.

Feuerwehr-Gebirge

Hoffe das hilft

Juergen

Nur noch eine Sache, hast du die alarm.traineddata auch in den tessdata Ordner kopiert?

Ansonsten hab ich jetzt auch keine Idee mehr.

Stefan Seider

Welche Version von Tesseract hast du denn installiert? Die Standardwerte sind nämlich nicht für V4.x geeignet.

Feuerwehr-Gebirge

Ich habe generell das Gefühl das mir irgendwelche Dateien fehlen. Entweder meckert er wegen der alarm... Datei oder wegen der psm... Datei.

Habe die V4 installiert, gibt es irgendwo ein Tip Archiv wo alle benötigten Dateien drin sind?

Danke!

Juergen

Wenn du auf Standardwerte gehst funktioniert psm nicht da müssen zwei "-" davor sein

Juergen

Versuchs doch mal mit " -l alarm --psm 6 --oem 0 -c page_separator= " wenn du alarm hineinkopiert hast. Funktioniert so bei mir. Kannst aber auch das nach der 6 weg lassen geht auch bei mir.

Stefan Seider

Hab den ersten Post geändert und eine Installationsanleitung mit dazu geschrieben.

**Sven**

Zitat von Mululu

Hallo,
Kann mir jemand sagen was hier falsch ist ?
Tesseract Meldungen:
Error opening data file \Program Files (x86)\Tesseract-OCR\tessdata/-psm.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.
Failed loading language '-psm'
Tesseract couldn't load any languages!
Could not initialize tesserac

Alles anzeigen

Failed loading language '-psm'

Da ist definitiv was bei dir falsch eingestellt im EM-OCR

Christian_FFW

Feuerwehr-Gebirge

so ein ähnliches Problem hatte ich auch beim Installieren von Tesseract V4.

Hast du bei der Installation irgendwelche Pakete mit installiert? Also etwas zusätzlich mit angehakt?

Wenn ja, installiere V4 ohne zusätzliche Optionen und lade dir die richtige "deu" einzeln herunter und schieb sie in den tessdata Ordner.

Markus82

Stefan Seider

Die Standarparameter für 4.0 sollten wie folgt noch erweitert werden.

--oem 0 aktiviert die Legacy Engine analog wie 3.05

-c page_seperator stellt das korrekte Verhalten bei mehrseitigen Einsatzfaxen analog 3.05 sicher

Code

-l deu --psm 6 --oem 0 -c page_separator=

Stefan Seider

Zitat von Markus82
Stefan Seider
Die Standarparameter für 4.0 sollten wie folgt noch erweitert werden.
--oem 0 aktiviert die Legacy Engine analog wie 3.05
-c page_seperator stellt das korrekte Verhalten bei mehrseitigen Einsatzfaxen analog 3.05 sicher
Code
-l deu --psm 6 --oem 0 -c page_separator=

Wozu der Legacy-Mode wenn die "deu" von der V4 verwendet wird?

Markus82

Ich konnte mit der Legacy Engine die besten Ergebnisse erzielen (~5sekunden). Die neue neuronale LSTM Engine war noch dazu sehr langsam.(~90sekunden)

Per Default —oem 3 wird anhand der vorhanden Traindata entschieden ob sie für die Legacy oder LSTM Engine sind.

Stefan Seider

*********UPDATE********* V2.0.08

-> Durch Code-Optimierung 1 FileSystemWatcher eingespart

-> Erweitertes Fehler-Logging

-> Input-Datei wird nach dem Kopiervorgang ins TEMP-Verzeichnis mit der Quelldatei gegengeprüft und bei Bedarf erneut kopiert.

Christian_FFW

Stefan Seider

@Markus82

Servus ihr beiden,

was ist dann jetzt eurer Meinung nach die idealste/beste/sinnvollste Einstellung?

Markus82

Beim Wechsel auf Tesseract v4, wäre es sinnvoll auch die neue LSTM OCR engine mit den dazu passenden Traineddata Dateien zu nutzen.

Die Traineddata Dateien von 4.0 enthalten sowohl die Legacy-Variante als auch die LSTM-Variante.

Da hat Stefan vollkommen recht mit der Frage, wieso sollte man die "alte" Legacy Engine nutzen.

Nun zu meinen Erfahrungen bei den Tests und die daraus resultierende Empfehlung:

Tesseract v4 mit LSTM (deu-Traineddata): (--oem 1 oder --oem 3 (Default)(Falls LSTM-Modelle in der Traineddata vorhanden sind wie bei deu v4)

-- keine brauchbaren Auswertungsergebnisse

-- sehr lange Verarbeitungszeiten ~90 Sekunden für ein Fax

-- keine Kompatiblität mit den alten Traineddata alarm oder by

Tesseract v4 mit Legacy-Engine (deu-Traineddata):

-- Auswertungsergebnisse vergleichbar mit der Genauigkeit von Tesseract 3.5

-- kurze Verarbeitungszeiten ~5 Sekunden für ein Fax

-- Kompatiblität mit den alten Traineddata alarm oder by

Empfohlene Settings:

https://digi.bib.uni-mannheim.de/tesseract/tess….0.20181030.exe

https://github.com/tesseract-ocr/…deu.traineddata

Tesseract-Setting Legacy Mode

-l deu --psm 6 --oem 0 -c page_separator=

EM-OCR Verarbeitung

Ersetze: — Durch - (Gedankenstrich durch Bindestrich)

Über alternative Erfahrungen zu anderen Settings würde ich mich freuen.

EM-OCR EinsatzMonitor PDF-TIFF-TXT Fax Konverter mit Ordnerüberwachung

Tags

Benutzer online in diesem Thema