Tesseract-为什么我获得了不同于原始语言的另一种语言的字符级信心

问题描述

我正在尝试根据tesseract生成的置信度分数来检测图像中的语言。我正在检查每个图像中的不同语言。我正在使用什么：

text1 = PyTesseract.image_to_data(full_path,lang='eng',config=tessdata_dir_config,output_type='data.frame') 
text1 = pd.DataFrame(text1) text1 = text1[text1.conf != -1] 
text1 = text1[~text1.text.str.contains('-')] 
text1 = text1[~text1.text.str.contains(' ')] 
text1 = text1[~text1.text.str.contains("\.")] 
text1 = text1[~text1.text.str.contains("[0-9]")] 
text1 = text1[~text1.text.str.contains("[:,\n,/,%,|,;,!,&,(,),\*,\",\?,\',_,=,é,$,@,#]")]


text2 = PyTesseract.image_to_data(full_path,lang='hin',output_type='data.frame') 
text2 = pd.DataFrame(text2) 
text2 = text2[text2.conf != -1] 
text2 = text2[~text2.text.str.contains('-')] 
text2 = text2[~text2.text.str.contains(' ')] 
text2 = text2[~text2.text.str.contains("\.")] 
text2 = text2[~text2.text.str.contains("[0-9]")] 
text2 = text2[~text2.text.str.contains("[:,#]")]

对于英语，它会生成文本和相应的置信度分数，但是当我通过指定印地语作为语言时，我也正在获取的文本和置信度分数>印地语，而图片中仅包含英语语言。

以下是示例图片：Sample image

我在做什么错？ ?

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）