Tuesday, April 16, 2013

BanglaOCR / Bangla OCR / Bengali OCR : Research and Development

------------------------------------------------------------------------------------------------------------

(!) For the moment, this is random writing and not organized.The goal of this writing is to help researchers / students get sufficient amount of information prior to their work on Bangla / Bengali OCR. All the contents of this blog is written based on personal experience. No guarantee to provide the latest information. 

------------------------------------------------------------------------------------------------------------

I am writing this in order to have a descent up to date status of OCR research and development for recognizing Bangla / Bengali scripts. Perhaps time to time I will update this note. Right at this moment, I am not much updated about the state of the art research/development. The reason is that, I am not really involved with OCR since 2009. However, I always have the desire to come back to OCR research and contribute more. Therefore, I have decided to start gathering state of the art information. Perhaps a good source will be to get information from those who are studying about Bangla OCR and somehow come across this post. I would like to request them to send me the missing information in the following address: bangla(dot)ocr(at)gmail(dot)com.

Prepare Bangla/ Bengali Training data for Tesseract (Updated)

Recently, I uploaded the files (images, transcript, box etc.) which I used to prepare training data (with Tesseract version 2) and develop BanglaOCR. However, it appears that Tesseract has already training file for Bangla / Bengali for version 3.
However, yet people are interested to prepare their own training data from the scratch! The first requirement to prepare the data is to have the complete set of possible characters or combined character images. For this purpose during OCR research at CRBLP we prepared a file which contains the complete set of characters and their combinations. Thanks to the expert at CRBLP for verifying the file. I have uploaded the file in BanglaOCR project page. Click the link to download it. Or if you are interested to copy certain characters and their combinations then copy from the link.

Once you have the combinations of all the characters, then you need to generate image from the characters. This is not difficult if you have already a tool available. For my research, I developed a text to image generator tool which served the purpose. The tool allows you generate text to image with any font size and type. Therefore, if you consider to prepare training data for tesseract, you can have the following most important information in hand: (a) Training images (b) Transcript. Now you can follow the requirements of Tesseract (see how to train Tesseract in the link) in order to prepare your own training data.

Perhaps, in the near future I will prepare training data for Tesseract.

OCRopus: New version released!

This is a great news that OCRopus version 0.7 is released.

What I want to know:

Is there any complete Bangla / Bengali OCR after BanglaOCR?

Is there any standard dataset for bench-marking Bangla / Bengali OCR research?


Citation:

I observed that researches / students who use BanglaOCR for academic purpose, cite a different paper (which is my previous version of OCR). The correct citation should be the following papers:

1. Md. Abul Hasnat, Muttakinur Rahman Chowdhury and Mumit Khan, "An open source Tesseract based Optical Character Recognizer for Bangla script", In the Tenth International Conference on Document Analysis and Recognition (ICDAR'2009), Catalonia, Spain, July 26-29, 2009.
Available at: http://www.cvc.uab.es/icdar2009/papers/3725a671.pdf


2. Md. Abul Hasnat, Muttakinur Rahman Chowdhury and Mumit Khan, "Integrating Bangla script recognition support in Tesseract OCR", Proceedings of the Conference on Language and Technology 2009 (CLT09), Lahore, Pakistan, January 22-24, 2009.
Avaliable at: http://crulp.org/clt09/download/Papers/Paper16.pdf


Bangla characters: Vowels, Consonents and their combinations with modifiers

Acknowledgement: CRBLP BanglaOCR Team

The combination of Bangla characters was used for purpose of research and development of Bangla OCR. Initially we generated all the possible combinations. Then we filtered out many of them based on the possibility of their appearance in Bangla literature.

Note that you can use them and modify according to your preference. However, we expect you to acknowledge CRBLP for this resource.  Directly copying it from here and upload as your own file is not desirable.

 

 

অ আ ই ঈ উ ঊ ঋ এ ঐ ও ঔ ক খ গ ঘ ঙ চ ছ জ ঝ ঞ ট ঠ ড ঢ ণ ত থ দ ধ ন প ফ ব ভ ম য র ল শ ষ স হ ড় ঢ় য় ৎ ং ঃ  ঁ

া ি ী ু ৃ ে ৈ ো ৌ
র্  ্য   ্র   ্ন  ্ম   ্ল ্ব

ক কা কি কী কু কূ কৃ কে কৈ কো কৌ
খ খা খি খী খু খূ খৃ খে খৈ খো খৌ
গ গা গি গী গু গূ গৃ গে গৈ গো গৌ
ঘ ঘা ঘি ঘী ঘু ঘূ ঘৃ ঘে ঘৈ ঘো ঘৌ
ঙ ঙা ঙি ঙী ঙু ঙূ ঙে ঙো ঙৌ
চ চা চি চী চু চূ চৃ চে চৈ চো চৌ
ছ ছা ছি ছী ছু ছূ ছৃ ছে ছৈ ছো ছৌ
জ জা জি জী জু জূ জৃ জে জৈ জো জৌ
ঝ ঝা ঝি ঝী ঝু ঝূ ঝৃ ঝে ঝৈ ঝো ঝৌ
ঞ ঞা ঞি ঞী ঞু ঞূ ঞে ঞো ঞৌ
ট টা টি টী টু টূ টৃ টে টৈ টো টৌ
ঠ ঠা ঠি ঠী ঠু ঠূ ঠৃ ঠে ঠৈ ঠো ঠৌ
ড ডা ডি ডী ডু ডূ ডৃ ডে ডৈ ডো ডৌ
ঢ ঢা ঢি ঢী ঢু ঢূ ঢৃ ঢে ঢৈ ঢো ঢৌ
ণ ণা ণি ণী ণু ণূ ণৃ ণে ণৈ ণো ণৌ
ত তা তি তী তু তূ তৃ তে তৈ তো তৌ
থ থা থি থী থু থূ থৃ থে থৈ থো থৌ
দ দা দি দী দু দূ দৃ দে দৈ দো দৌ
ধ ধা ধি ধী ধু ধূ ধৃ ধে ধৈ ধো ধৌ
ন না নি নী নু নূ নৃ নে নৈ নো নৌ
প পা পি পী পু পূ পৃ পে পৈ পো পৌ
ফ ফা ফি ফী ফু ফূ ফৃ ফে ফৈ ফো ফৌ
ব বা বি বী বু বূ বৃ বে বৈ বো বৌ
ভ ভা ভি ভী ভু ভূ ভৃ ভে ভৈ ভো ভৌ
ম মা মি মী মু মূ মৃ মে মৈ মো মৌ
য যা যি যী যু যূ যৃ যে যৈ যো যৌ
র রা রি রী রু রূ রৃ রে রৈ রো রৌ
ল লা লি লী লু লূ লৃ লে লৈ লো লৌ
শ শা শি শী শু শূ শৃ শে শৈ শো শৌ
ষ ষা ষি ষী ষু ষূ ষৃ ষে ষৈ ষো ষৌ
স সা সি সী সু সূ সৃ সে সৈ সো সৌ
হ হা হি হী হু হূ হৃ হে হৈ হো হৌ
ড় ড়া ড়ি ড়ী ড়ু ড়ূ ড়ৃ ড়ে ড়ৈ ড়ো ড়ৌ
ঢ় ঢ়া ঢ়ি ঢ়ী ঢ়ু ঢ়ূ ঢ়ৃ ঢ়ে ঢ়ৈ ঢ়ো ঢ়ৌ
য় য়া য়ি য়ী য়ু য়ূ য়ৃ য়ে য়ৈ য়ো য়ৌ


ক্ক ক্কা ক্কি ক্কী ক্কু ক্কূ ক্কে ক্কো
ক্ট ক্টা ক্টি ক্টী ক্টু ক্টূ ক্টে ক্টো
ক্ট্য ক্ট্যা ক্ট্যি ক্ট্যী ক্ট্যু ক্ট্যূ ক্ট্যে ক্ট্যো
ক্ত ক্তা ক্তি ক্তী ক্তু ক্তূ ক্তে ক্তো
ক্ত্র ক্ত্রা ক্ত্রি ক্ত্রী ক্ত্রু ক্ত্রূ ক্ত্রে ক্ত্রো
ক্ব ক্বা ক্বি ক্বী ক্বে ক্বো
ক্ন ক্না ক্নি ক্নী  ক্নু ক্ন ক্নে ক্নো
ক্য ক্যা ক্যি ক্যী ক্যু ক্যূ ক্যে ক্যো
ক্র ক্রা ক্রি ক্রী ক্রু ক্রূ ক্রে ক্রো
ক্ল ক্লা ক্লি ক্লী ক্লু ক্লূ ক্লে ক্লো
ক্ষ ক্ষা ক্ষি ক্ষী ক্ষু ক্ষূ ক্ষে ক্ষো
ক্ষ্ব ক্ষ্বা ক্ষ্বি ক্ষ্বী ক্ষ্বু ক্ষ্বূ ক্ষ্বে ক্ষ্বো
ক্ষ্ণ ক্ষ্ণা ক্ষ্ণি ক্ষ্ণী ক্ষ্ণু ক্ষ্ণূ ক্ষ্ণে ক্ষ্ণো
ক্ষ্ম ক্ষ্মা ক্ষ্মি ক্ষ্মী ক্ষ্মু ক্ষ্মে ক্ষ্মো
ক্ষ্য ক্ষ্যা ক্ষ্যি ক্ষ্যী ক্ষ্যু ক্ষ্যূ ক্ষ্যে ক্ষ্যো
ক্স ক্সা ক্সি ক্সী ক্সু ক্সূ ক্সে ক্সো
খ্য খ্যা খ্যি খ্যু খ্যূ খ্যে খ্যো
খ্র খ্রা খ্রি খ্রী খ্রু খ্রূ খ্রে খ্রো
গ্গ গ্গা গ্গি গ্গী গ্গু গ্গূ গ্গে গ্গো
গ্দ গ্দা গ্দি গ্দী গ্দু গ্দূ গ্দে গ্দো
গ্ধ গ্ধা গ্ধি গ্ধী গ্ধু গ্ধূ গ্ধে গ্ধো
গ্ধ্য গ্ধ্যা গ্ধ্যি গ্ধ্যী গ্ধ্যু গ্ধ্যূ গ্ধ্যে গ্ধ্যো
গ্ন গ্না গ্নি গ্নী গ্নু গ্নূ গ্নে গ্নো
গ্ন্য গ্ন্যা গ্ন্যি গ্ন্যী গ্ন্যু গ্ন্যূ গ্ন্যে গ্ন্যো
গ্ব গ্বা গ্বি গ্বী গ্বু গ্বূ গ্বে গ্বো
গ্ম গ্মা গ্মি গ্মী গ্মু গ্মূ গ্মে গ্মো
গ্য গ্যা গ্যি গ্যী গ্যু গ্য গ্যো
গ্র গ্রা গ্রি গ্রী গ্রু গ্রূ  গ্রে গ্রো
গ্র্য গ্র্যা গ্র্যি গ্র্যী গ্র্যু গ্র্যূ  গ্র্যে গ্র্যো
গ্ল গ্লা গ্লি গ্লী গ্লু গ্লূ গ্লে গ্লো
ঘ্ন ঘ্না ঘ্নি ঘ্নী ঘ্নু ঘ্নূ ঘ্নে ঘ্নো
ঘ্য ঘ্যা ঘ্যি ঘ্যী ঘ্যু ঘ্য ঘ্যে ঘ্যো
ঘ্র ঘ্রা ঘ্রি ঘ্রী ঘ্রু ঘ্রূ ঘ্রে ঘ্রো
ঙ্ক ঙ্কা ঙ্কি ঙ্কী ঙ্কু ঙ্কূ ঙ্কে ঙ্কো
ঙ্ক্য ঙ্ক্যা ঙ্ক্যি ঙ্ক্যী ঙ্ক্যু ঙ্ক্যূ ঙ্ক্যে ঙ্ক্যো
ঙ্ক্ষ ঙ্ক্ষ ঙ্ক্ষা ঙ্ক্ষি ঙ্ক্ষী ঙ্ক্ষু ঙ্ক্ষূ ঙ্ক্ষে ঙ্ক্ষো
ঙ্খ ঙ্খ ঙ্খি ঙ্খী ঙ্খু ঙ্খূ ঙ্খে ঙ্খো
ঙ্গ ঙ্গা ঙ্গি ঙ্গী ঙ্গু ঙ্গূ ঙ্গে ঙ্গো
ঙ্গ্য ঙ্গ্যা ঙ্গ্যি ঙ্গ্যী ঙ্গ্যু ঙ্গ্যূ ঙ্গ্যে ঙ্গ্যো
ঙ্ঘ ঙ্ঘা ঙ্ঘি ঙ্ঘী ঙ্ঘু ঙ্ঘূ ঙ্ঘে ঙ্ঘো
ঙ্ঘ্য ঙ্ঘ্যা ঙ্ঘ্যি ঙ্ঘ্যী ঙ্ঘ্যু ঙ্ঘ্যূ ঙ্ঘ্যে ঙ্ঘ্যো
ঙ্ঘ্রা ঙ্ঘ্রি ঙ্ঘ্রী ঙ্ঘ্রু ঙ্ঘ্রূ ঙ্ঘ্রে ঙ্ঘ্রো
ঙ্ম ঙ্মা ঙ্মি ঙ্মী ঙ্মু ঙ্মূ ঙ্মে ঙ্মো
চ্চ চ্চা চ্চি চ্চী চ্চু চ্চূ চ্চে চ্চো
চ্ছ চ্ছা চ্ছি চ্ছী চ্ছু চ্ছূ চ্ছৃ চ্ছে চ্ছো
চ্ছ্ব চ্ছ্বা চ্ছ্বি চ্ছ্বী চ্ছ্বু চ্ছ্বূ চ্ছ্বে চ্ছ্বো
চ্ছ্র চ্ছ্রা চ্ছ্রি চ্ছ্রী চ্ছ্রু চ্ছ্রূ চ্ছ্রে চ্ছ্রো
চ্ঞ চ্ঞা চ্ঞি চ্ঞী চ্ঞু চ্ঞূ চ্ঞে চ্ঞো
চ্য চ্যা চ্যি চ্যী চ্যু চ্যূ চ্যে চ্যো
ছ্য ছ্যা ছ্যি ছ্যী ছ্যু ছ্যূ ছ্যে ছ্যো
জ্জ জ্জা জ্জি জ্জী জ্জু জ্জূ জ্জে জ্জো
জ্জ্ব জ্জ্বা জ্জ্বি জ্জ্বী জ্জ্বু জ্জ্বূ জ্জ্বে জ্জ্বো
জ্ঝ জ্ঝা জ্ঝি জ্ঝী জ্ঝু জ্ঝূ জ্ঝে জ্ঝো
জ্ঞ জ্ঞা জ্ঞি জ্ঞী জ্ঞু জ্ঞূ জ্ঞে জ্ঞো
জ্ব জ্বা জ্বি জ্বী জ্বু জ্বূ জ্বে জ্বো
জ্য জ্যা জ্যি জ্যী জ্যু জ্যূ জ্যে জ্যো
জ্র জ্রা জ্রি জ্রী জ্রু জ্রূ জ্রে জ্রো
ঞ্চ ঞ্চা ঞ্চি ঞ্চী ঞ্চু ঞ্চূ ঞ্চে ঞ্চো
ঞ্ছ ঞ্ছা ঞ্ছি ঞ্ছী ঞ্ছু ঞ্ছূ ঞ্ছে ঞ্ছো
ঞ্জ ঞ্জা ঞ্জি ঞ্জী ঞ্জু ঞ্জূ ঞ্জে ঞ্জো
ঞ্ঝ ঞ্ঝা ঞ্ঝি ঞ্ঝী ঞ্ঝু ঞ্ঝূ ঞ্ঝে ঞ্ঝো
ট্ট ট্টা ট্টি ট্টী ট্টু ট্টূ ট্টে ট্টো
ট্ব ট্বা ট্বি ট্বী ট্বু ট্বূ ট্বে ট্বো
ট্ম ট্মা ট্মি ট্মী ট্মু ট্মূ ট্মে ট্মো
ট্য ট্যা ট্যি ট্যী ট্যু ট্যূ ট্যে ট্যো
ট্র ট্রা ট্রি ট্রী ট্রু ট্রূ ট্রে ট্রো
ট্র্য ট্র্যা ট্র্যি ট্র্যী ট্র্যু ট্র্যূ ট্র্যে ট্র্যো
ঠ্য ঠ্যা ঠ্যি ঠ্যী ঠ্যু ঠ্যূ ঠ্যে ঠ্যো
ড্ড ড্ডা ড্ডি ড্ডী ড্ডু ড্ডূ ড্ডে ড্ডো
ড্ম ড্মা ড্মি ড্মী ড্মু ড্মূ ড্মে ড্মো
ড্ব ড্বা ড্বি ড্বী ড্বু ড্বূ ড্বে ড্বো
ড্য ড্যা ড্যি ড্যী ড্যু ড্যূ ড্যে ড্যো
ড্র ড্রা ড্রি ড্রী ড্রু ড্রূ ড্রে ড্রো
ড়্গ ড়্গা ড়্গি ড়্গী ড়্গু ড়্গূ ড়্গে ড়্গো
ঢ্য ঢ্যা ঢ্যি ঢ্যী ঢ্যু ঢ্যূ ঢ্যে ঢ্যো
ঢ্র ঢ্রা ঢ্রি ঢ্রী ঢ্রু ঢ্রূ ঢ্রে ঢ্রো
ণ্ট ণ্টা ণ্টি ণ্টী ণ্টু ণ্টূ ণ্টে ণ্টো
ণ্ঠ ণ্ঠা ণ্ঠি ণ্ঠী ণ্ঠু ণ্ঠূ ণ্ঠে ণ্ঠো
ণ্ঠ্য ণ্ঠ্যা ণ্ঠ্যি ণ্ঠ্যী ণ্ঠ্যু ণ্ঠ্যূ ণ্ঠ্যে ণ্ঠ্যো
ণ্ড ণ্ডা ণ্ডি ণ্ডী ণ্ডু ণ্ডূ ণ্ডে ণ্ডো
ণ্ড্য ণ্ড্যা ণ্ড্যি ণ্ড্যী ণ্ড্যু ণ্ড্যূ ণ্ড্যে ণ্ড্যো
ণ্ড্র ণ্ড্রা ণ্ড্রি ণ্ড্রী ণ্ড্রু ণ্ড্রূ ণ্ড্রে ণ্ড্রো
ণ্ঢ ণ্ঢা ণ্ঢি ণ্ঢী ণ্ঢু ণ্ঢূ ণ্ঢে ণ্ঢো
ণ্ণ ণ্ণা ণ্ণি ণ্ণী ণ্ণু ণ্ণূ ণ্ণে ণ্ণো
ণ্ব ণ্বা ণ্বি ণ্বী ণ্বু ণ্বূ ণ্বে ণ্বো
ণ্ম ণ্মা ণ্মি ণ্মী ণ্মু ণ্মূ ণ্মে ণ্মো
ণ্য ণ্যা ণ্যি ণ্যী ণ্যু ণ্যূ ণ্যে ণ্যো
ত্ত ত্তা ত্তি ত্তী ত্তু ত্তূ ত্তে ত্তো
ত্ত্ব ত্ত্বা ত্ত্বি ত্ত্বী ত্ত্বূ ত্ত্ব ত্ত্বে ত্ত্বো
ত্থ ত্থা ত্থি ত্থী ত্থু ত্থূ ত্থে ত্থো
ত্ন ত্না ত্নি ত্নী ত্নু ত্নূ ত্নে ত্নো
ত্ব ত্বা ত্বি ত্বী ত্বু ত্বূ ত্বে ত্বো
ত্ম ত্মা ত্মি ত্মী ত্মু ত্মূ ত্মে ত্মো
ত্ম্য ত্ম্যা ত্ম্যি ত্ম্যী ত্ম্যু ত্ম্যূ ত্ম্যে ত্ম্যো
ত্য ত্যা ত্যি ত্যী ত্যু ত্যূ ত্যে ত্যো
ত্র ত্রা ত্রি ত্রী ত্রু ত্রূ ত্রে ত্রো
ত্র্য ত্র্যা ত্র্যি ত্র্যী ত্র্যু ত্র্যূ ত্র্যে ত্র্যো
থ্ব থ্বা থ্বি থ্বী থ্বু থ্বূ থ্বে থ্বো
থ্য থ্যা থ্যি থ্যী থ্যু থ্যূ থ্যে থ্যো
থ্র থ্রা থ্রি থ্রী থ্রু থ্রূ থ্রে থ্রো
দ্গ দ্গা দ্গি দ্গী দ্গু দ্গূ দ্গে দ্গো
দ্ঘ দ্ঘা দ্ঘি দ্ঘী দ্ঘু দ্ঘূ দ্ঘে দ্ঘো
দ্দ দ্দা দ্দি দ্দী দ্দু দ্দূ দ্দে দ্দো
দ্ধ দ্ধা দ্ধি দ্ধী দ্ধু দ্ধূ দ্ধে দ্ধো
দ্ভ দ্ভা দ্ভি দ্ভী দ্ভু দ্ভূ দ্ভে দ্ভো
দ্ব দ্বা দ্বি দ্বী দ্বু দ্বূ দ্বে দ্বো
দ্ব্য দ্ব্যা দ্ব্যি দ্ব্যী দ্ব্যু দ্ব্যূ দ্ব্যে দ্ব্যো
দ্ম দ্মা দ্মি দ্মী দ্মু দ্মূ দ্মে দ্মো
দ্য দ্যা দ্যি দ্যী দ্যু দ্যূ দ্যে দ্যো
দ্র দ্রা দ্রি দ্রী দ্রু দ্রূ দ্রে দ্রো
দ্র্য দ্র্যা দ্র্যি দ্র্যী দ্র্যু দূ্র্য দ্র্যে দ্র্যো
ধ্ন ধ্না ধ্নি ধ্নী ধ্নু ধ্নূ ধ্নে ধ্নো
ধ্ব ধ্বা ধ্বি ধ্বী ধ্বু ধ্বূ ধ্বে ধ্বো
ধ্ম ধ্মা ধ্মি ধ্মী ধ্মু ধ্মূ ধ্মে ধ্মো
ধ্য ধ্যা ধ্যি ধ্যী ধ্যু ধ্যূ ধ্যে ধ্যো
ধ্র ধ্রা ধ্রি ধ্রী ধ্রু ধ্রূ ধ্রে ধ্রো
ন্ট ন্টা ন্টি ন্টী ন্টু ন্টূ ন্টে ন্টো
ন্ঠ ন্ঠা ন্ঠি ন্ঠী ন্ঠু ন্ঠূ ন্ঠে ন্ঠো
ন্ড ন্ডা ন্ডি ন্ডী ন্ডু ন্ডূ ন্ডে ন্ডো
ন্ড্র ন্ড্রা ন্ড্রি ন্ড্রী ন্ড্রু ন্ড্রূ ন্ড্রে ন্ড্রো
ন্ত ন্তা ন্তি ন্তী ন্তু ন্তূ ন্তে ন্তো
ন্ত্ব ন্ত্বা ন্ত্বি ন্ত্বী ন্ত্বু ন্ত্বূ ন্ত্বে ন্ত্বো
ন্ত্য ন্ত্যা ন্ত্যি ন্ত্যী ন্ত্যু ন্ত্যূ ন্ত্যে ন্ত্যো
ন্ত্র ন্ত্রা ন্ত্রি ন্ত্রী ন্ত্রু ন্ত্রূ ন্ত্রে ন্ত্রো
ন্ত্র্য ন্ত্র্যা ন্ত্র্যি ন্ত্র্যী ন্ত্র্যু ন্ত্র্যূ ন্ত্র্যে ন্ত্র্যো
ন্হ ন্হা ন্হি ন্হী ন্হু ন্হূ ন্হে ন্হো
ন্দ ন্দা ন্দি ন্দী ন্দু ন্দূ ন্দে ন্দো
ন্দ্য ন্দ্যা ন্দ্যি ন্দ্যী ন্দ্যু ন্দ্যূ ন্দ্যে ন্দ্যো
ন্দ্ব ন্দ্বা ন্দ্বি ন্দ্বী ন্দ্বু ন্দ্বূ ন্দ্বে ন্দ্বো
ন্দ্র ন্দ্রা ন্দ্রি ন্দ্রী ন্দ্রু ন্দ্রূ ন্দ্রে ন্দ্রো
ন্ধ ন্ধা ন্ধি ন্ধী ন্ধু ন্ধূ ন্ধে ন্ধো
ন্ধ্য ন্ধ্যা ন্ধ্যি ন্ধ্যী ন্ধ্যু ন্ধ্যূ ন্ধ্যে ন্ধ্যো
ন্ধ্র ন্ধ্রা ন্ধ্রি ন্ধ্রী ন্ধ্রু ন্ধূ্র ন্ধ্রে ন্ধ্রো
ন্ন ন্না ন্নি ন্নী ন্নূ ন্নূ ন্নে ন্নো
ন্ন্য ন্ন্যা ন্ন্যি ন্ন্যী ন্ন্যু ন্ন্যূ ন্ন্যে ন্ন্যো
ন্ব ন্বা ন্বি ন্বী ন্বু ন্বূ ন্বে ন্বো
ন্ম ন্মা ন্মি ন্মী ন্মু ন্মূ ন্মে ন্মো
ন্য ন্যা ন্যি ন্যী ন্যু ন্যূ ন্যে ন্যো
ন্স ন্সা ন্সি ন্সী ন্সু ন্সূ ন্সে ন্সো
প্ট প্টা প্টি প্টী প্টু প্টূ প্টে প্টো
প্ত প্তা প্তি প্তী প্তু প্তূ প্তে প্তো
প্ন প্না প্নি প্নী প্নু প্নূ প্নে প্নো
প্প প্পা প্পি প্পী প্পু প্পূ প্পে প্পো
প্য প্যা প্যি প্যী প্যু প্যূ প্যে প্যো
প্র প্রা প্রি প্রী প্রু প্রূ প্রে প্রো
প্র্য প্র্যা প্র্যি প্র্যী প্র্যু প্র্যূ প্র্যে প্র্যো
প্ল প্লা প্লি প্লী প্লু প্লূ প্লে প্লো
প্ল্য প্ল্যা প্ল্যি প্ল্যী প্ল্যু প্ল্যূ প্ল্যে প্ল্যো
প্স প্সা প্সি প্সী প্সু প্সূ প্সে প্সো
ফ্র ফ্রা ফ্রি ফ্রী ফ্রু ফ্রূ ফ্রে ফ্রো
ফ্ল ফ্লা ফ্লি ফ্লী ফ্লু ফ্লূ ফ্লে ফ্লো
ফ্ল্য ফ্ল্যা ফ্ল্যি ফ্ল্যী ফ্ল্যু ফ্ল্যূ ফ্ল্যে ফ্ল্যো
ব্জ ব্জা ব্জি ব্জী ব্জু ব্জূ ব্জে ব্জো
ব্দ ব্দা ব্দি ব্দী ব্দু ব্দূ ব্দে ব্দো
ব্ধ ব্ধা ব্ধি ব্ধী ব্ধু ব্ধূ ব্ধে ব্ধো
ব্ব ব্বা ব্বি ব্বী ব্বু ব্বূ ব্বে ব্বো
ব্য ব্যা ব্যি ব্যী ব্যু ব্যূ ব্যে ব্যো
ব্র ব্রা ব্রি ব্রী ব্রু ব্রূ ব্রে ব্রো
ব্ল ব্লা ব্লি ব্লী ব্লু  ব্লূ ব্লে ব্লো
ব্ল্য ব্ল্যা ব্ল্যি ব্ল্যী ব্ল্যু ব্ল্যূ ব্ল্যে ব্ল্যো
ভ্য ভ্যা ভ্যি ভ্যী ভ্যু ভ্যূ ভ্যে ভ্যো
ভ্র ভ্রা ভ্রি ভ্রী ভ্রু ভ্রূ ভ্রে ভ্রো
ভ্ল ভ্লা ভ্লি ভ্লী ভ্লু ভ্লূ ভ্লে ভ্লো
ম্ন ম্না ম্নি ম্নী ম্নু মূ্ন ম্নে ম্নো
ম্প ম্পা ম্পি ম্পী ম্পু ম্পূ ম্পৃ ম্পে ম্পো
ম্প্র ম্প্রা ম্প্রি ম্প্রী ম্প্রু ম্প্রূ ম্প্রে ম্প্রো
ম্ফ ম্ফা ম্ফি ম্ফী ম্ফু ম্ফূ ম্ফে ম্ফো
ম্ব ম্বা ম্বি ম্বী ম্বু ম্বূ ম্বে ম্বো
ম্ভ ম্ভা ম্ভি ম্ভী ম্ভু ম্ভূ ম্ভে ম্ভো
ম্ভ্র ম্ভ্রা ম্ভ্রি ম্ভ্রী ম্ভ্রু ম্ভ্রূ ম্ভ্রে ম্ভ্রো
ম্ম ম্মা ম্মি ম্মী ম্মু ম্মূ ম্মে ম্মো
ম্য ম্যা ম্যি ম্যী ম্যু ম্যূ ম্যে ম্যো
ম্র ম্রা ম্রি ম্রী ম্রু ম্রূ ম্রে ম্রো
ম্ল ম্লা ম্লি ম্লী ম্লু ম্লূ ম্লে ম্লো
য্য য্যা য্যি য্যী য্যু য্যূ য্যে য্যো

র্ক র্খ র্গ র্ঘ র্চ র্ছ র্জ র্ঝ র্ট র্ঠ র্ড র্ঢ র্ণ র্ত র্থ র্দ র্ধ র্ন র্প র্ফ র্ব র্ভ র্ম র্য র্র র্ল র্শ র্ষ র্স র্হ র্ড় র্ঢ় র্য়

র্কা র্খা র্গা র্ঘা র্চা র্ছা র্জা র্ঝা র্টা র্ঠা র্ডা র্ঢা র্ণা র্তা র্থা র্দা র্ধা র্না র্পা র্ফা র্বা র্ভা র্মা র্যা র্রা র্লা র্শা র্ষা র্সা র্হা র্ড়া র্ঢ়া র্য়া

র্কি র্খি র্গি র্ঘি র্চি র্ছি র্জি র্ঝি র্টি র্ঠি র্ডি র্ঢি র্ণি র্তি র্থি র্দি র্ধি র্নি র্পি র্ফি র্বি র্ভি র্মি র্যি র্রি র্লি র্শি র্ষি র্সি র্হি র্ড়ি র্ঢ়ি র্য়ি

র্কী র্খী র্গী র্ঘী র্চী র্ছী র্জী র্ঝী র্টী র্ঠী র্ডী র্ঢী র্ণী র্তী র্থী র্দী র্ধী র্নী র্পী র্ফী র্বী র্ভী র্মী র্যী র্রী র্লী র্শী র্ষী র্সী র্হী র্ড়ী র্ঢ়ী র্য়ী

র্কু র্খু র্গু র্ঘু র্চু র্ছু র্জু র্ঝু র্টু র্ঠু র্ডু র্ঢু র্ণু র্তু র্থু র্দু র্ধু র্নু র্পু র্ফু র্বু র্ভু র্মু র্যু র্রু র্লু র্শু র্ষু র্সু র্হু র্ড়ু র্ঢ়ু র্য়ু

র্কূ র্খূ র্গূ র্ঘূ র্চূ র্ছূ র্জূ র্ঝূ র্টূ র্ঠূ র্ডূ র্ঢূ র্ণূ র্তূ র্থূ র্দূ র্ধূ র্নূ র্পূ র্ফূ র্বূ র্ভূ র্মূ র্যূ র্রূ র্লূ র্শূ র্ষূ র্সূ র্হূ র্ড়ূ র্ঢ়ূ র্য়ূ

র্কে র্খে র্গে র্ঘে র্চে র্ছে র্জে র্ঝে র্টে র্ঠে র্ডে র্ঢে র্ণে র্তে র্থে র্দে র্ধে র্নে র্পে র্ফে র্বে র্ভে র্মে র্যে র্রে র্লে র্শে র্ষে র্সে র্হে র্ড়ে র্ঢ়ে র্য়ে

র্কো র্খো র্গো র্ঘো র্চো র্ছো র্জো র্ঝো র্টো র্ঠো র্ডো র্ঢো র্ণো র্তো র্থো র্দো র্ধো র্নো র্পো র্ফো র্বো র্ভো র্মো র্যো র্রো র্লো র্শো র্ষো র্সো র্হো র্ড়ো র্ঢ়ো র্য়ো

র্ক্য র্খ্য র্গ্য র্ঘ্য র্চ্য র্ছ্য র্জ্য র্ঝ্য র্ট্য র্ঠ্য র্ড্য র্ঢ্য র্ণ্য র্ত্য র্থ্য র্দ্য র্ধ্য র্ন্য র্প্য র্ফ্য র্ব্য র্ভ্য র্ম্য র্য্য র্র্য র্ল্য র্শ্য র্ষ্য র্স্য র্হ্য র্ড়্য র্ঢ়্য র্য়্য

র্ক্যা র্খ্যা র্গ্যা র্ঘ্যা র্চ্যা র্ছ্যা র্জ্যা র্ঝ্যা র্ট্যা র্ঠ্যা র্ড্যা র্ঢ্যা র্ণ্যা র্ত্যা র্থ্যা র্দ্যা র্ধ্যা র্ন্যা র্প্যা র্ফ্যা র্ব্যা র্ভ্যা র্ম্যা র্য্যা র্র্যা র্ল্যা র্শ্যা র্ষ্যা র্স্যা র্হ্যা র্ড়্যা র্ঢ়্যা র্য়্যা

র্ক্যু র্খ্যু র্গ্যু র্ঘ্যু র্চ্যু র্ছ্যু র্জ্যু র্ঝ্যু র্ট্যু র্ঠ্যু র্ড্যু র্ঢ্যু র্ণ্যু র্ত্যু র্থ্যু র্দ্যু র্ধ্যু র্ন্যু র্প্যু র্ফ্যু র্ব্যু র্ভ্যু র্ম্যু র্য্যু র্র্যু র্ল্যু র্শ্যু র্ষ্যু র্স্যু র্হ্যু র্ড়্যু র্ঢ়্যু র্য়্যু

র্ক্যু র্খ্য র্গ্যূ র্ঘ্যূ র্চ্যূ র্ছ্যূ র্জ্যূ র্ঝ্যূ র্ট্যূ র্ঠ্যূ র্ড্যূ র্ঢ্যূ র্ণ্যূ র্ত্যূ র্থ্যূ র্দ্যূ র্ধ্যূ র্ন্যূ র্প্যূ র্ফ্যূ র্ব্যূ র্ভ্যূ র্ম্যূ র্য্যূ র্র্যূ র্ল্যূ র্শ্যূ র্ষ্যূ র্স্যূ র্হ্যূ র্ড়্যূ র্ঢ়্যূ র্য়্যূ

র্ক্যে র্খ্যে র্গ্যে র্ঘ্যে র্চ্যে র্ছ্যে র্জ্যে র্ঝ্যে র্ট্যে র্ঠ্যে র্ড্যে র্ঢ্যে র্ণ্যে র্ত্যে র্থ্যে র্দ্যে র্ধ্যে র্ন্যে র্প্যে র্ফ্যে র্ব্যে র্ভ্যে র্ম্যে র্য্যে র্র্যে র্ল্যে র্শ্যে র্ষ্যে র্স্যে র্হ্যে র্ড়্যে র্ঢ়্যে র্য়্যে

র্ক্যো র্খ্যো র্গ্যো র্ঘ্যো র্চ্যো র্ছ্যো র্জ্যো র্ঝ্যো র্ট্যো র্ঠ্যো র্ড্যো র্ঢ্যো র্ণ্যো র্ত্যো র্থ্যো র্দ্যো র্ধ্যো র্ন্যো র্প্যো র্ফ্যো র্ব্যো র্ভ্যো র্ম্যো র্য্যো র্র্যো র্ল্যো র্শ্যো র্ষ্যো র্স্যো র্হ্যো র্ড়্যো র্ঢ়্যো র্য়্যো

ল্ক ল্কা ল্কি ল্কী ল্কু ল্কূ ল্কে ল্কো
ল্ক্য ল্ক্যা ল্ক্যি ল্ক্যী ল্ক্যু ল্ক্যূ ল্ক্যে ল্ক্যো
ল্গ ল্গা ল্গি ল্গী ল্গ ল্গু ল্গূ ল্গে ল্গো
ল্ট ল্টা ল্টি ল্টী ল্টু ল্টূ ল্টে ল্টো
ল্ড ল্ডা ল্ডি ল্ডী ল্ডু ল্ডূ ল্ডে ল্ডো
ল্প ল্পা ল্পি ল্পী ল্পু ল্পূ ল্পে ল্পো
ল্ব ল্বা ল্বি ল্বী ল্বু ল্বূ ল্বে ল্বো
ল্ভ ল্ভা ল্ভু ল্ভি ল্ভী ল্ভূ ল্ভে ল্ভো
ল্ম ল্মা ল্মি ল্মী ল্মু ল্মূ ল্মে ল্মো
ল্য ল্যা ল্যি ল্যী ল্যু ল্যূ ল্যে ল্যো
ল্ল ল্লা ল্লি ল্লী ল্লু ল্লূ ল্লে ল্লো
ল্ফ ল্ফা ল্ফি ল্ফী ল্ফু ল্ফূ ল্ফে ল্ফো
শ্চ শ্চা শ্চি শ্চী শ্চু শ্চূ শ্চে শ্চো
শ্ছ শ্ছা শ্ছি শ্ছী শ্ছু শ্ছূ শ্ছে শ্ছো
শ্ন শ্না শ্নি শ্নী শ্নু শ্নূ শ্নে শ্নো
শ্ব শ্বা শ্বি শ্বী শ্বু শ্বূ শ্বে শ্বো
শ্ম শ্মা শ্মি শ্মী শ্মু শ্মূ শ্মে শ্মো
শ্ব শ্বা শ্বি শ্বী শ্বু শ্বূ শ্বে শ্বো
শ্য শ্যা শ্যি শ্যী শ্যু শ্যূ শ্যে শ্যো
শ্র শ্রা শ্রি শ্রী শ্রু শ্রূ শ্রে শ্রো
শ্ল শ্লা শ্লি শ্লী শ্লু শ্লে শ্লে শ্লা
ষ্ক ষ্কা ষ্কি ষ্কী ষ্কু ষ্কূ ষ্কৃ ষ্কে ষ্কো
ষ্ক্র ষ্ক্রা ষ্ক্রি ষ্ক্রী ষ্ক্রু ষ্ূক্র ষ্ক্রে ষ্ক্রো
ষ্ট ষ্টা ষ্টি ষ্টী ষ্টু ষ্টূ ষ্টে ষ্টো
ষ্ট্য ষ্ট্যা ষ্ট্যি ষ্ট্যী ষ্ট্যু ষ্ট্যূ ষ্ট্যে ষ্ট্যো
ষ্ট্র ষ্ট্রা ষ্ট্রি ষ্ট্রী ষ্ট্র ষ্ট্রু ষ্টূ্র ষ্ট্রো
ষ্ঠ ষ্ঠা ষ্ঠি ষ্ঠী ষ্ঠু ষ্ঠূ ষ্ঠে ষ্ঠো
ষ্ঠ্য ষ্ঠ্যা ষ্ঠ্যি ষ্ঠ্যী ষ্ঠ্যু ষ্ঠূ ষ্ঠ্যূ ষ্ঠ্যে ষ্ঠ্যো
ষ্ণ ষ্ণা ষ্ণি ষ্ণী ষ্ণু ষ্ণ্হ ষ্ণূ ষ্ণে ষ্ণো
ষ্ণ্য ষ্ণ্যা ষ্ণ্যি ষ্ণ্যী ষ্ণ্যু ষ্ণ্যূ ষ্ণ্যে ষ্ণ্যো
ষ্প ষ্পা ষ্পি ষ্পী ষ্পু ষ্পূ ষ্পে ষ্পো
ষ্প্র ষ্প্রা ষ্প্রি ষ্প্রী ষ্প্রু ষ্প্রূ ষ্প্রে ষ্প্রো
ষ্ফ ষ্ফা ষ্ফি ষ্ফী ষ্ফু ষ্ফূ ষ্ফে ষ্ফো
ষ্ব ষ্বা ষ্বি ষ্বী ষ্বু ষ্বূ ষ্বে ষ্বো
ষ্ম ষ্মা ষ্মি ষ্মী ষ্মু ষ্মূ ষ্মে ষ্মো
ষ্ম্য ষ্ম্যা ষ্ম্যি ষ্ম্যী ষ্ম্যু ষ্ম্যূ ষ্ম্যে ষ্ম্যো
ষ্য ষ্যা ষ্যি ষ্যী ষ্যু ষ্যূ ষ্যে ষ্যো
স্ক স্কা স্কি স্কী স্কু স্কূ স্কে স্কো
স্ক্র স্ক্রা স্ক্রি স্ক্রী স্ক্রু স্ক্রূ স্ক্রে স্ক্রো
স্খ স্খা স্খি স্খী স্খু স্খূ স্খে স্খো
স্ট স্টা স্টি স্টী স্টু স্টূ স্টে স্টো
স্ট্য স্ট্যা স্ট্যি স্ট্যী স্ট্যু স্ট্যূ স্ট্যে স্ট্যো
স্ট্র স্ট্রা স্ট্রি স্ট্রী স্ট্রু স্ট্রূ স্ট্রে স্ট্রো
স্ত স্তা স্তি স্তী স্তু স্তূ স্তৃ স্তে স্তো
স্ত্য স্ত্যা স্ত্যি স্ত্যী স্ত্যু স্ত্যূ স্ত্যে স্ত্যো
স্ত্র স্ত্রা স্ত্রি স্ত্রী স্ত্রু স্ত্রূ স্ত্রে স্ত্রো
স্হ স্হা স্হি স্হী স্হু স্হূ স্হে স্হো
স্হ্য স্হ্যা স্হ্যি স্হ্যী স্হ্যু স্হ্যূ স্হ্যে স্হ্যো
স্ন স্না স্নি স্নী স্নু স্নূ স্নে স্নো
স্প স্পা স্পি স্পী স্পু স্পূ স্পে স্পো
স্ফ স্ফা স্ফি স্ফী স্ফু স্ফূ স্ফে স্ফো
স্ব স্বা স্বি স্বী স্বু স্বূ স্বে স্বো
স্ম স্মা স্মি স্মী স্মু স্মূ স্মৃ স্মে স্মো
স্য স্যা স্যি স্যী স্যু স্যূ স্যে স্যো
স্র স্রা স্রি স্রী স্রু স্রূ স্রে স্রো
স্ল স্লা স্লি স্লী স্লূ স্লূ স্লে স্লো
হ্ণ হ্ণা হ্ণি হ্ণী হ্ণু হ্ণূ হ্ণে হ্ণো
হ্ন হ্না হ্নি হ্নী হ্নু হ্নূ হ্নে হ্নো
হ্ব হ্বা হ্বি হ্বী হ্বু হ্বূ হ্বে হ্বো
হ্ম হ্মা হ্মি হ্মী হ্মু হ্মূ হ্মে হ্মো
হ্য হ্যা হ্যি হ্যী হ্যু হ্যূ হ্যে হ্যো
হ্র হ্রা হ্রি হ্রী হ্রু হ্রূ হ্রে হ্রো
হ্ল হ্লা হ্লি হ্লী হ্লু হ্লূ হ্লে হ্লো

কঁ খঁ গঁ ঘঁ ঙঁ চঁ ছঁ জঁ ঝঁ ঞঁ টঁ ঠঁ ডঁ ঢঁ ণঁ তঁ থঁ দঁ ধঁ নঁ পঁ ফঁ বঁ ভঁ মঁ যঁ রঁ লঁ শঁ ষঁ সঁ হঁ ড়ঁ ঢ়ঁ য়ঁ

কিঁ খিঁ গিঁ ঘিঁ চিঁ ছিঁ জিঁ ঝিঁ টিঁ ঠিঁ ডিঁ ঢিঁ ণিঁ তিঁ থিঁ দিঁ ধিঁ নিঁ পিঁ ফিঁ বিঁ ভিঁ মিঁ যিঁ রিঁ লিঁ শিঁ ষিঁ সিঁ হিঁ ড়িঁ ঢ়িঁ য়িঁ

কীঁ খীঁ গীঁ ঘীঁ চীঁ ছীঁ জীঁ ঝীঁ টীঁ ঠীঁ ডীঁ ঢীঁ ণীঁ তীঁ থীঁ দীঁ ধীঁ নীঁ পীঁ ফীঁ বীঁ ভীঁ মীঁ যীঁ রীঁ লীঁ শীঁ ষীঁ সীঁ হীঁ ড়ীঁ ঢ়ীঁ য়ীঁ

কুঁ খুঁ গুঁ ঘুঁ ঙুঁ চুঁ ছুঁ জুঁ ঝুঁ ঞুঁ টুঁ ঠুঁ ডুঁ ঢুঁ ণুঁ তুঁ থুঁ দুঁ ধুঁ নুঁ পুঁ ফুঁ বুঁ ভুঁ মুঁ যুঁ রুঁ লুঁ শুঁ ষুঁ সুঁ হুঁ ড়ুঁ ঢ়ুঁ য়ুঁ

কূঁ খূঁ গূঁ ঘূঁ চূঁ ছূঁ জূঁ ঝূঁ টূঁ ঠূঁ ডূঁ ঢূঁ ণূঁ তঁ থূঁ দূঁ ধূঁ নূঁ পূঁ ফঁ বূঁ ভূঁ মূঁ যূঁ রূঁ লূঁ শূঁ ষূঁ সূঁ হূঁ ড়ূঁ ঢ়ূঁ য়ূঁ

কৃঁ খৃঁ গৃঁ ঘৃঁ চৃঁ ছৃঁ জৃঁ ঝৃঁ টৃঁ ঠৃঁ ডৃঁ ঢৃঁ ণৃঁ তৃঁ থৃঁ দৃঁ ধৃঁ নৃঁ পৃঁ ফৃঁ বৃঁ ভৃঁ মৃঁ যৃঁ রৃঁ লৃঁ শৃঁ ষৃঁ সৃঁ হৃঁ

কেঁ খেঁ গেঁ ঘেঁ ঙেঁ চেঁ ছেঁ জেঁ ঝেঁ টেঁ ঠেঁ ডেঁ ঢেঁ ণেঁ তেঁ থেঁ দেঁ ধেঁ নেঁ পেঁ ফেঁ বেঁ ভেঁ মেঁ যেঁ রেঁ লেঁ শেঁ ষেঁ সেঁ হেঁ ড়েঁ ঢ়েঁ য়েঁ

কোঁ খোঁ গোঁ ঘোঁ ঙোঁ চোঁ ছোঁ জোঁ ঝোঁ টোঁ ঠোঁ ডোঁ ঢোঁ ণোঁ তোঁ থোঁ দোঁ ধোঁ নোঁ পোঁ ফোঁ বোঁ ভোঁ মোঁ যোঁ রোঁ লোঁ শোঁ ষোঁ সোঁ হোঁ ড়োঁ ঢ়োঁ য়োঁ

কৌঁ খৌঁ গৌঁ ঘৌঁ চৌঁ ছৌঁ জৌঁ ঝৌঁ টৌঁ ঠৌঁ ডৌঁ ঢৌঁ ণৌঁ তৌঁ থৌঁ দৌঁ ধৌঁ নৌঁ পৌঁ ফৌঁ বৌঁ ভৌঁ মৌঁ যৌঁ রৌঁ লৌঁ শৌঁ ষৌঁ সৌঁ হৌঁ ড়ৌঁ ঢ়ৌঁ য়ৌঁ

Sunday, March 31, 2013

Training files released for "Tesseract Based BanglaOCR"

I am happy to write about the release of training images and transcript that I have used for training tesseract engine to develop BanglaOCR. I do apologize for the long unexpected delay for making these public. From 2009 I had always the desire to extend my work on BanglaOCR. However, it did not happen and seems very less likely to happen in near future. Therefore, I have decided to come up with the release of the training data and sharing the experiments behind preparing these data.

Finally, the training data is available on the following link on BanglaOCR on google code page. I recommend to read and follow the readme.txt file, which contains proper explanation of the data.

Following my previous post, I am writing this in order to motivate interested individuals who has the aim to develop an OCR for Bangla/Bengali language. You may find the appearance of the training image files as very simple and may immediately think that these are so simple that I can immediately include many more training files and enhance the performance of OCR. I encourage you to do so. However, I would like to share that I did long time experiments with many complex combinations of training data and finally observed that "simpler is better". Perhaps you will have similar experience.

One important issue at present is the usability of these files for Tesseract version 3 or later. I did not try these for training Tesseract 3. Therefore, I encourage you to do so. I have provided the box files also which is the most time consuming part for training data generation. However, as I wrote, these are for Tesseract 2. Therefore, you need to modify these for training Bangla language for Tesseract 3.


When you have the training data associated with Tesseract 3, you will be able to plug it in BanglaOCR to see the complete OCR output on your test images.

Acknowledgement:

If you use BanglaOCR and its associated files for academic research, please cite the following papers:

a. Md. Abul Hasnat, Muttakinur Rahman Chowdhury and Mumit Khan, "An open source Tesseract based Optical Character Recognizer for Bangla script", In Tenth International Conference on Document Analysis and Recognition (ICDAR'2009), Catalonia, Spain, July 26-29, 2009.

b. Md. Abul Hasnat, Muttakinur Rahman Chowdhury and Mumit Khan, "Integrating Bangla script recognition support in Tesseract OCR", Proceedings of the Conference on Language and Technology 2009 (CLT09), Lahore, Pakistan, January 22-24, 2009.

Friday, February 15, 2013

Several issues on extending the development of BanglaOCR


As a developer of BanglaOCR, it is my pleasure to see the interest of an OCR for recognizing Bangla script. At the same time, I am quite upset when I notice that there is no progress on open source Bangla OCR research and development in the last four years since I left the development of BanglaOCR. The OCR was released open source with the aim to exploit existing work to produce better OCR. Unfortunately it did not happen, although I have already guided many individuals in their personal and academic research/thesis work. However, I am always hopeful that it will see the light of improvement soon.

I am not completely aware about the progress of OCR development in the last 4 years. Please do not hesitate to correct me if I am wrong in my statements. However, considering BanglaOCR as the state of the art development, I would like provide several information about OCR development and possible extensions of existing work.

1. Before starting the plan for developing an OCR for Bangla script, one should always aware about the state of the art on OCR development. If there is any existing work/software which is not too old then they should think about possible extension and improvement of that work. Starting from scratch is not a very good idea for this work unless you have a long term goal.

2. BanglaOCR was a product of research and development of almost 3 years. I have seen many other research work on OCR for Bangla script (including our previously developed Bangla OCR). However, most of them were not complete and limited only in the academic domain. BanglaOCR provides a complete framework which includes several appropriate algorithms for performing document image analysis task. There are several benefits of using the source code of any open source product like Bangla OCR.

- Modify/remove any particular function/algorithm from the code and include your own algorithm. For example: Modify the segmentation algorithm of BanglaOCR, and use a better one. Surely, it will improve the performance.

- Change/Replace the training data. Why not replacing tesseract-2 training data with tesseract-3 and see the improved performance!!!