How to train OCR?

[Paladond]

How to train OCR?
Describe, please, each steps and all needed(images, json, how to run script and so on)
Thanks you.

[ApelSYN]

На Русском

1. Сначала необходимо получить примеры номеров из заданного масива фотографий автомобилей. Для этого под свои нужды можно переделать вот этот пример: https://github.com/ria-com/nomeroff-net/blob/master/tools/avto-nomer-tool/py/avto-nomer_grab.ipynb

2. Для того чтоб создать JSON-описания к полученным образцам номеров, необходимо применить вот этот скрипт на nodejs

./console.js --section=default --action=createAnnotations  --opt.baseDir=../../datasets/ocr/your_dataset

Вот небольшая документация к этому инструментарию: https://github.com/ria-com/nomeroff-net/tree/master/tools/avto-nomer-tool

3. Далее, можно попробовать распознать номера с помощью европейской модели, т.к. она самая универсальная для таких случаеы, пример скрипта как это делать можете посмотреть тут
   https://github.com/ria-com/nomeroff-net/blob/master/tools/avto-nomer-tool/py/ocr_dataset_checker.ipynb
   Этот пунк можно пропустить, если не разберетесь с работой этого примера.

4. Самый трудоемкой задачей является модерация датасета, для этого мы создали спечиальную админ-панель на nodejs, документация по установке можно посмотреть тут:
   https://github.com/ria-com/nomeroff-net/tree/master/moderation

5. Отмодерированый датасет нужно поделить на тестовую, обучающую и валидационную выборку. Это можно сделать с помощью уже упомянутого ранее набора утилит
   https://github.com/ria-com/nomeroff-net/tree/master/tools/avto-nomer-tool
   А именно

./console.js --section=default --action=dataSplit --opt.splitRate=0.2  --opt.srcDir=../../datasets/ocr/draft --opt.targetDir=../../datasets/ocr/test  

6. Для хорошего результата обучающая выборка должна нащитывать хотя бы 5000 примеров, но мы рекомендуем 10 000

7. Создайте скрипт, основываясь на примерах из папки train, например https://github.com/ria-com/nomeroff-net/blob/master/train/ocr-ge.ipynb и натренируйте свой датасет

---

In English

1. First you need to get sample numbers from a given car photo array. To do this, you can redo this example for your needs: https://github.com/ria-com/nomeroff-net/blob/master/tools/avto-nomer-tool/py/avto-nomer_grab.ipynb

2. In order to create JSON descriptions for the received sample numbers, you need to apply this script on nodejs

./console.js --section=default --action=createAnnotations  --opt.baseDir=../../datasets/ocr/your_dataset

Here is a little documentation for this tool: https://github.com/ria-com/nomeroff-net/tree/master/tools/avto-nomer-tool

3. Next, you can try to recognize the numbers using the European model, because It is the most universal for such cases. You can see an example of the script here.
   https://github.com/ria-com/nomeroff-net/blob/master/tools/avto-nomer-tool/py/ocr_dataset_checker.ipynb
   Этот пунк можно пропустить, если не разберетесь с работой этого примера.

4. The most time-consuming task is moderation dataset, for this we created a special admin panel for nodejs, installation documentation can be found here:
   https://github.com/ria-com/nomeroff-net/tree/master/moderation

5. The moderated dataset needs to be divided into a test, training and validation sample. This can be done using the previously mentioned toolkit
   https://github.com/ria-com/nomeroff-net/tree/master/tools/avto-nomer-tool
   Example:

./console.js --section=default --action=dataSplit --opt.splitRate=0.2  --opt.srcDir=../../datasets/ocr/draft --opt.targetDir=../../datasets/ocr/test  

6. For a good result, the training sample should contain at least 5,000 examples, but we recommend 10,000

7. Create a script based on examples from the [train] folder (https://github.com/ria-com/nomeroff-net/blob/master/train), for example https://github.com/ria-com/nomeroff-net/blob/master/train/ocr-ge.ipynb and train your dataset

[Paladond]

Thanks, it's a good description.