是的，经过训练的模型并不那么有用，如果输入图像的预处理步骤需要被逆向工程，那么论文中报告的实验也不太可重复。

需要OCR脚本，尤其是用于运行tesseract的参数。如果可能的话，请提供处理后的hocr文件。我现在无法在论文中重复相同的结果。

是的，如果我们无法获取处理后的数据，就很难重复这个结果。你能发布数据吗？

是的，这对我们的研究非常有帮助！

是的，还需要OCR输出(html格式)或脚本来理解输入(如布局信息、边界框位置信息等)。谢谢。