Support for numerals in Arabic Script - 1

Shreeshrii · Feb 25, 2019 · e9afcc0 · e9afcc0
1 parent cd6143c
commit e9afcc0
Show file tree

Hide file tree

Showing 9 changed files with 5,391 additions and 3,946 deletions.
diff --git a/Arabic-TOC-ara-Amiri.txt b/Arabic-TOC-ara-Amiri.txt
@@ -0,0 +1,26 @@
+الجفا ................................................... ‎٨٧٢‏
+‏غرام مُميت ............................................... ‎٨٧٢٣‏
+‏الفؤادالكسير ...... ........................................ ‎٨٧٤‏
+‏عَقيقَ في عقيق في عقيقي ....................................... ‎٨٧٥‏
+‏الباب الحادي عشر: مُتفرزقات .................................... ‎٨٧٧‏
+‏الشاي ................................................... ‎٨٧٩‏
+‏مَديح الشاي ............................................... ‎٨٨٠٩‏
+‏مشك الشاي ............................................... ‎٨٨١‏
+‏ليلة الشاي ................................................ ‎٨٨٢‏
+‏رجال السر ...... ......................................... ‎٨٨٣‏
+‏في فضل الاجتماع ...... ..................................... ‎٨٨٤‏
+‏شججة ..... .............................................. ‎٨٨٥‏
+‏لله دَؤبني رَوَاحة ............................................ ‎٨٨٦‏
+‏خطة عَبْيِية ..... .......................................... ‎٨٨٧‏
+‏مزايا الزمان ...... ......................................... ‎٨٨٨‏
+‏عَشراء ................................................... ‎٨٨٩‏
+‏قطع علاقة في عتاب ......................................... ‎٨٩١‏
+‏مُعاتبة ...... ............................................. ‎٨٩٢‏
+‏السمكة ...... ............................................ ‎٨٩٤‏
+‏نظرة ...... .............................................. ‎٨٩٥‏
+‏القطار ...... ............................................. ‎٨٩٦‏
+‏المعالي .................................................. ‎٨٩٨٩‏
+‏المصادر والمراجع ............................................ ‎٩٠٠‏
+‏الفهرس ...... ............................................. ‎٩٠٢‏
+‎٩١١‏
+
diff --git a/Arabic-TOC-numbers-ara-Amiri.txt b/Arabic-TOC-numbers-ara-Amiri.txt
@@ -0,0 +1,21 @@
+كلمة المترجم
+
+تقديم الكتاب
+الباب الأول. التحليل التوافقي 1
+1. مقدمة. . . . . .... ...... .. 1
+2 البداالأساسي للعد : :: :.. .:.:: 2
+1.3 التباديل ......... 4
+1.4 التوافيق ...... ...... 6
+15 معاملات كثيرات الحدود ...... 11
+"1.6 عدد الحلول الصحيحة للمعادلات : : : : : : : : ::: :: :::: 15
+ملخص الفصل ...... 19
+مسائل . . . . . . .. ..... ...... ..... .. 19
+تمارين نظرية .......... 23
+اختبارات ذاتية في المسائل والتمارين . . . . . . . . . . . .. . . . 26
+الباب الثاني. مسلمات الاحتمالات 29
+1 مقتمة. . . ... ..... ......... 29
+2.2 فراغ العينة و الحوادث ..... ...... ...... 29
+2.3 مسلمات لاحتملات . . . . . .. ... ..... ...... 35
+2.4 بعض المبرهنات البسيطة ............ . 38
+5 فراغات العينة بتائج متكافة الفرص . . . : : . . :. . .. .. : . 44
+
diff --git a/Arabic-TOC-numbers.png b/Arabic-TOC-numbers.png
diff --git a/Arabic-TOC.png b/Arabic-TOC.png
diff --git a/README.md b/README.md
@@ -1,65 +1,37 @@
 # tessdata_arabic
 
-## 2019-02-19 Finetuned from `script/Arabic` - ara-1.traineddata
+Finetuned traineddata files adding support for 
+numerals and punctuation in Arabic script
 
-PlusMinus Finetune Trained using fonts 
-```
-'Amiri Bold' \
-'Amiri' \
-'Arab' \
-'Scheherazade Bold' \
-'Scheherazade' \
-'Traditional Arabic' \
-```
-
-Traineddata Info
-```
-combine_tessdata -d ara-1.traineddata
+PlusMinus Finetune Training was done based on 
+`tessdata_best/script/Arabic.traineddata` 
+by tesstrain.sh using fonts and training text
+for approximately 4000 iterations.
 
-Version string:4.0.0-313-gfc47
-0:config:size=405, offset=192
-17:lstm:size=7511187, offset=597
-18:lstm-punc-dawg:size=98, offset=7511784
-19:lstm-word-dawg:size=2018514, offset=7511882
-20:lstm-number-dawg:size=3658, offset=9530396
-21:lstm-unicharset:size=7794, offset=9534054
-22:lstm-recoder:size=1012, offset=9541848
-23:version:size=15, offset=9542860
+ara-Amiri.traineddata Info
 ```
+combine_tessdata -d ara-Amiri.traineddata
 
-## Finetuned traineddata files for Arabic using Scheherazade font
-
-Test files for https://github.com/tesseract-ocr/tesseract/issues/2132
-
-### finetuned for Impact - ara-Scheherazade_Impact_400.traineddata
 
 ```
-combine_tessdata -d ara-Scheherazade_Impact_400.traineddata
 
-Version string:4.00.00alpha:ara:synth20170629:[1,48,0,1Ct3,3,16Mp3,3Lfys64Lfx96Lrx96Lfx512O1c1]
-0:config:size=545, offset=192
-17:lstm:size=11582395, offset=737
-18:lstm-punc-dawg:size=1986, offset=11583132
-19:lstm-word-dawg:size=999442, offset=11585118
-20:lstm-number-dawg:size=13250, offset=12584560
-21:lstm-unicharset:size=5061, offset=12597810
-22:lstm-recoder:size=769, offset=12602871
-23:version:size=80, offset=12603640
+ara-Scheherazade.traineddata Info
 ```
+combine_tessdata -d ara-Scheherazade.traineddata
 
-### Finetuned for PlusMinus - ara-Scheherazade_PlusMinus_4000.traineddata
 
 ```
-combine_tessdata -d ara-Scheherazade_PlusMinus_4000.traineddata
 
-Version string:4.0.0-118-gd44b5
-0:config:size=405, offset=192
-17:lstm:size=11619331, offset=597
-18:lstm-punc-dawg:size=98, offset=11619928
-19:lstm-word-dawg:size=1644290, offset=11620026
-20:lstm-number-dawg:size=2898, offset=13264316
-21:lstm-unicharset:size=6460, offset=13267214
-22:lstm-recoder:size=850, offset=13273674
-23:version:size=16, offset=13274524
+ara-Scheherazade.traineddata Info
+
+Fonts used for plus-minus training
 
 ```
+'Amiri' \
+'Sakkal Majalla' \
+'Scheherazade' \
+'Traditional Arabic' \
+```
+```
+
+```