C## 適用於 Windows 開發人員的 Tesseract 5 自訂字型訓練。

Tesseract 5 中的自訂字型訓練可提高特定字型的 OCR 準確度。 這個過程會建立訓練資料，教導引擎字型特性。 產生的 .traineddata 檔案可與 IronOCR 搭配使用，以準確辨識裝飾性或特殊字型。

快速入門：在 C# 中使用您的 .traineddata 字型檔

在 IronOCR 中使用您自訂訓練的 Tesseract 字型檔案，只需要幾行文字。 非常適合在特殊或裝飾性字型上進行精確的 OCR。

如何下載 IronOCR 的最新版本？

我應該使用哪種安裝方法？ 直接將[IronOcr DLL](/csharp/ocr/packages/IronOcr.zip)下載到您的電腦。

為何要改用 NuGet？ 或者，使用此指令透過 [NuGet](https://www.nuget.org/packages/IronOcr/) 進行安裝： ```shell :ProductInstall ``` IronOCR 提供對 [Tesseract 5 功能](https://ironsoftware.com/csharp/ocr/features/tesseract/)和 [ 自訂語言實作](https://ironsoftware.com/csharp/ocr/examples/ocr-tesseract-custom-languages/)的全面支援，使其成為特殊 OCR 需求的理想選擇。 ---

如何安裝和設定 WSL2 和 Ubuntu？ 請參閱[設定 WSL2 和 Ubuntu 的](https://ubuntu.com/tutorials/install-ubuntu-on-wsl2-on-windows-10)教學。 [{i:(自訂字型訓練需要 Linux。 訓練需要使用 Linux，但所產生的 `.traineddata` 檔案可在所有平台上無縫運作。 如需詳細的 Linux 設定說明，請參閱我們的 [Linux 部署指南](https://ironsoftware.com/csharp/ocr/get-started/linux/)。

如何在 Ubuntu 上安裝 Tesseract 5？ 使用這些指令安裝 Tesseract 5： ```bash sudo apt install tesseract-ocr sudo apt install libtesseract-dev ``` 這些套件提供訓練所需的核心 Tesseract OCR 引擎和開發函式庫。 如需進階的 Tesseract 配置選項，請參閱我們的 [詳細配置指南](https://ironsoftware.com/csharp/ocr/examples/csharp-configure-setup-tesseract/)。

我應該下載哪一種字型來進行訓練？ 本教程使用 AMGDT 字體。 字型檔案可以是 .ttf 或 .otf 格式。 ！[Windows 檔案總管顯示下載的 AMGDT Regular.ttf 字型檔案，以紅色方塊突出顯示以供訓練](/static-assets/ocr/how-to/ocr-custom-font-training/example_of_downloaded_font_file.png)。 為訓練選擇字型時： - 選擇與標準 Tesseract 模式有顯著差異的字型 - 確保字型有適當的授權 - 考慮使用裝飾性、手寫或專門的行業字型 - 使用您的應用程式在生產中遇到的字型進行測試

如何安裝自訂字型訓練的磁碟機？ 使用這些指令掛載磁碟機 `D:` 作為您的工作空間： ```bash cd / cd /mnt/d ``` 這可讓您直接從 Ubuntu WSL2 環境處理儲存在 Windows 磁碟機上的檔案。

如何將字體檔案複製到 Ubuntu 字體資料夾？ 複製字型檔案到這些 Ubuntu 目錄：`/usr/share/fonts`和`/usr/local/share/fonts`。 在 Ubuntu 系統中，可以透過在檔案總管的網址列中輸入`\\wsl$`來存取檔案。 ！[Windows 檔案總管顯示從 Windows 存取 Ubuntu 檔案系統的網路路徑](/static-assets/ocr/how-to/ocr-custom-font-training/ubutu_folder_directory.png)。

如果目標資料夾存取權限被拒絕怎麼辦？ 如果遇到拒絕存取的錯誤，請使用命令列複製檔案： ```bash cd / su root cd /c/Users/Admin/Downloads/'AMGDT Regular' cp 'AMGDT Regular.ttf' /usr/share/fonts cp 'AMGDT Regular.ttf' /usr/local/share/fonts exit ``` 字型安裝對於訓練過程至關重要。 在產生訓練影像時，系統需要存取渲染字型。

我要如何從 GitHub 克隆 `tesseract_tutorial`? 使用此指令克隆 `tesseract_tutorial` 套件庫： ```bash git clone https://github.com/astutejoe/tesseract_tutorial.git ``` 本資料庫包含訓練過程中不可或缺的 Python 腳本和組態檔案。 這些腳本可將字型訓練中的許多手動步驟自動化。

我要如何從 GitHub 克隆 `tesstrain` 和 `tesseract`? 導覽至`tesseract_tutorial`目錄，然後複製`tesstrain`和`tesseract`程式碼庫： ```bash git clone https://github.com/tesseract-ocr/tesstrain git clone https://github.com/tesseract-ocr/tesseract ``` - `tesstrain` 包含用來建立 `.traineddata` 檔案的 Makefile。 - `tesseract` 包含 tessdata 資料夾，其中有原始的 `.traineddata` 檔案，在自訂字型訓練過程中用作參考。 有關使用多種語言套件和自訂訓練資料的詳細資訊，請參閱我們的 [國際語言指南](https://ironsoftware.com/csharp/ocr/examples/intl-languages/)。

如何建立"資料"資料夾來儲存輸出資料？ 在 `tesseract_tutorial/tesstrain 內建立資料夾`： ```bash mkdir tesseract_tutorial/tesstrain/data ``` 此資料夾儲存所有已產生的訓練檔案，包括 .box、.tif 及中階訓練工件。

我要如何執行 `split_training_text.py`? 返回 `tesseract_tutorial` 資料夾，並執行此指令： ```shell python split_training_text.py ``` 執行 `split_training_text.py` 之後，會在資料夾中建立 `.box` 和 `.tif` 檔案。

如何修正 Fontconfig 警告？ 。 如果您看到警告 `Fontconfig warning："/tmp/fonts.conf, line 4: empty font directory name ignored"`，表示缺少字型目錄。 透過編輯 `tesseract_tutorial/fonts.conf` 檔案，並加入下列內容來修正： ```xml/usr/share/fonts/usr/local/share/fontsfonts~/.fonts``` 使用以下命令將其複製到`/etc/fonts` ： ```bash cp fonts.conf /etc/fonts ``` 此外，更新`split_training_text.py` ： ```python fontconf_dir = '/etc/fonts' ```

我應該產生多少個訓練檔案？ 目前的配置會產生 100 個訓練檔案。 您可以在 `split_training_text.py` 中修改。 ！[Python 程式碼設定 count=100 並分割行陣列以限制訓練資料大小](/static-assets/ocr/how-to/ocr-custom-font-training/number_of_trainfile.png)。 針對生產品質的訓練： - 從 100-500 個樣本開始測試 - 使用 1000-5000 個樣本以提高準確性 - 包含涵蓋所有必要字元的多樣化文字範例 - 平衡訓練時間與精確度要求

在哪裡下載 `eng.traineddata`? 從該[儲存庫](https://github.com/tesseract-ocr/tessdata_best)下載`eng.traineddata`並將其放置在`tesseract_tutorial/tesseract/tessdata`中。 基本模型提供語言上下文，可提高辨識準確度。 選擇符合目標語言的基本模式。 有關自訂語言套件問題的疑難排解，請參閱我們的 [ 自訂 OCR 語言套件指南](https://ironsoftware.com/csharp/ocr/troubleshooting/custom-ocr-language-packs/)。

如何建立我的自訂字型 `.traineddata`? 導覽到 `tesstrain` 資料夾，並在 WSL2 中使用此指令： ```bash TESSDATA_PREFIX=../tesseract/tessdata make training MODEL_NAME=AMGDT START_MODEL=eng TESSDATA=../tesseract/tessdata MAX_ITERATIONS=100 ``` - `MODEL_NAME` 是您自訂的字型名稱 - `START_MODEL` 是原始的 `.traineddata` 參考資料 - `MAX_ITERATIONS` 定義迭代的次數 (迭代次數越多，精確度越高)

What if I Get "Failed to Read Data" in Makefile? 若要解決"讀取資料失敗"的問題，請修改 Makefile 檔案： ```makefile WORDLIST_FILE := $(OUTPUT_DIR2)/$(MODEL_NAME).lstm-word-dawg NUMBERS_FILE := $(OUTPUT_DIR2)/$(MODEL_NAME).lstm-number-dawg PUNC_FILE := $(OUTPUT_DIR2)/$(MODEL_NAME).lstm-punc-dawg ``` 此修改可確保 Makefile 在正確的輸出目錄結構中尋找檔案。

如何修正"載入腳本失敗"的問題？ 將`Latin.unicharset`插入`tesstrain/data/langdata`資料夾。 尋找 `Latin.unicharset` [這裡](https://github.com/tesseract-ocr/langdata_lstm)。 unicharset 檔案定義您的語言或腳本的字元集。 確保符合您字型的字元涵蓋範圍。

我該如何驗證所建立的 `.traineddata` 的正確性？ 使用 1000 個 ` .box` 和 ` .tif` 檔案和 3000 次訓練迭代，輸出 `AMGDT.traineddata` 達到約 5.77% 的最小訓練錯誤率 (`BCER`)。  要用 IronOCR 測試您訓練好的模型： ```cs using IronOcr; // Initialize IronOCR with custom trained data var ocr = new IronTesseract(); // Load your custom trained font ocr.UseCustomTesseractLanguageFile(@"path\to\AMGDT.traineddata"); // Configure for optimal results ocr.Configuration.BlackListCharacters = ""; ocr.Configuration.WhiteListCharacters = ""; ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd; // Process an image with your custom font using var input = new OcrInput(); input.LoadImage("test-image-with-amgdt-font.png"); // Optional: Apply filters if needed input.EnhanceResolution(300); input.DeNoise(); // Perform OCR var result = ocr.Read(input); Console.WriteLine($"Recognized Text: {result.Text}"); Console.WriteLine($"Confidence: {result.Confidence}%"); ``` 若要在生產應用程式中實作自訂字型，請參閱我們的 [使用自訂語言檔案](https://ironsoftware.com/csharp/ocr/how-to/ocr-custom-language/)指南。 如需進一步閱讀和參考，請觀看教學： [YouTube 影片](https://www.youtube.com/watch?v=KE4xEzFGSU8)