Python Tesseract序列特定字符

是否有可能提高现有traineddata模型中特定字符的准确性

例如：

• 数字3通常会被检测为5
• 数字5通常被检测为8
• W通常被检测为V

仅使用这些字符微调eng.traineddata是否有意义，以提高这些特定字符的准确性

---

我尝试使用基于线的图像数据训练eng.traineddata模型，示例中字符的精度显著提高。但在新的模型中，在以前的模型中被很好识别的字母被错误地识别。（过配？

它在特定字体上失败还是在一般情况下失败？你可以在更多字体和更多数据（所有字符）上训练它，看看这是否能改善结果。它在特定字体上失败了还是在一般情况下失败了？您只需在更多字体和更多数据（所有字符）上对其进行训练，看看这是否会改善结果