# Tesseract OCR Vagrant Box
Машина с настроенным Tesseract OCR и всеми необходимыми либами для обучения/тюнинга моделей

## First UP
```shell script
cp Vagrantfile.dist Vagrantfile
vagrant plugin install vagrant-vbguest
vagrant vbguest
vagrant up
```

## Create BOX
Для использования готовой коробки (в которой все установлено и собрано для обучения):
```shell script
vagrant package
vagrant destroy -f
rm Vagrantfile
cp Vagrantfile.feat Vagrantfile
```

## Links
* [How to use the tools provided to train Tesseract 4.00](https://tesseract-ocr.github.io/tessdoc/TrainingTesseract-4.00.html#additional-libraries-required)


## Example
Создайте подпапку в ~/training/ и перейдите в нее. Далее:
```shell script
PAGES=100
FONT="GOST Type A"
BASE=$TESSDATA_PREFIX/rus.traineddata
MODELNAME=result
LANGDATA=/tesseract-4.1.1/langdata

mkdir -p model_existed model_training model_result

tesstrain.sh --fonts_dir $FONTS_DIR --fontlist "$FONT" --lang rus \
  --linedata_only --noextract_font_properties --langdata_dir $LANGDATA \
  --tessdata_dir $TESSDATA_PREFIX --maxpages $PAGES --output_dir ./

combine_tessdata -e $BASE ./model_existed/model.lstm

lstmtraining --model_output ./model_training/our \
  --continue_from model_existed/model.lstm \
  --traineddata $TESSDATA_PREFIX/rus.traineddata \
  --train_listfile rus.training_files.txt

lstmtraining --stop_training \
  --continue_from ./model_training/our_checkpoint \
  --traineddata $TESSDATA_PREFIX/rus.traineddata \
  --model_output ./model_result/$MODELNAME.traineddata
```

## Notes
`tesstrain_utils.sh.fixed` - исправленная версия оф. хелпера.

```-l ${LANG_CODE} ``` добавлено в `tesstrain_utils.sh.fixed:467` 
иначе будет проблема - язык не указан. Официальный файл заменен исправленным при провижине машины
(см. install.sh) 

Возможно потребуется настроить локаль для редактирования rus/rus.training_text.
Интерактивная установка, выбрать `ru_RU.UTF-8`:
```shell script
sudo dpkg-reconfigure locales
```