የቴሴራክት 5.2 የጨረር ጽሁፍ ማወቂያ ስርዓት ታትሟል፣ ይህም UTF-8 ቁምፊዎችን እና ጽሑፎችን ከ100 በሚበልጡ ቋንቋዎች ማወቅን የሚደግፍ ሲሆን ይህም ሩሲያኛ፣ ካዛክኛ፣ ቤላሩስኛ እና ዩክሬንኛን ጨምሮ። ውጤቱ በሁለቱም ግልጽ በሆነ ጽሑፍ እና በኤችቲኤምኤል (hOCR) ፣ ALTO (ኤክስኤምኤል) ፣ ፒዲኤፍ እና TSV ቅርፀቶች ሊቀመጥ ይችላል። መጀመሪያ ላይ ስርዓቱ በ 1985-1995 በ Hewlett Packard የላቦራቶሪ ውስጥ ተፈጠረ ፣ በ 2005 ኮዱ በአፓቼ ፈቃድ ተከፍቷል እና በ Google ሰራተኞች ተሳትፎ የበለጠ አዳብሯል። የፕሮጀክቱ ምንጭ ጽሑፎች በApache 2.0 ፍቃድ ስር ተሰራጭተዋል።
Tesseract የኮንሶል መገልገያ እና የlibtesseract ቤተ-መጽሐፍትን የ OCR ተግባርን ወደ ሌሎች መተግበሪያዎች ለመክተት ያካትታል። Tesseractን የሚደግፉ የሶስተኛ ወገን GUI በይነገጾች gImageReader፣ VietOCR እና YAGF ያካትታሉ። ሁለት የማወቂያ ሞተሮች ቀርበዋል፡ ጽሑፍን በግለሰብ የቁምፊ ቅጦች ደረጃ የሚያውቅ ክላሲክ እና አዲስ በ LSTM ተደጋጋሚ የነርቭ አውታረ መረብ ላይ የተመሰረተ የማሽን መማሪያ ስርዓትን በመጠቀም ሙሉ ገመዶችን ለመለየት እና ለመፍቀድ የተሻሻለ ከፍተኛ ትክክለኛነት መጨመር. ለ123 ቋንቋዎች ዝግጁ የሆኑ የሰለጠኑ ሞዴሎች ታትመዋል። አፈጻጸምን ለማመቻቸት OpenMP እና SIMD መመሪያዎችን AVX2, AVX, AVX512F, NEON ወይም SSE4.1 የሚጠቀሙ ሞጁሎች ቀርበዋል.
በTesseract 5.2 ውስጥ ቁልፍ ማሻሻያዎች፡-
- የኢንቴል AVX512F መመሪያዎችን በመጠቀም የታከሉ ማሻሻያዎች ተተግብረዋል።
- የC API የማሽን መማሪያ ሞዴልን ከማስታወሻ በመጫን ቴሴራክትን ለመጀመር ተግባርን ይተገብራል።
- የጽሑፍ ሕብረቁምፊዎችን የተገላቢጦሽ ደረጃ የሚወስነው የተገላቢጦሽ_threshold ልኬት ታክሏል። ነባሪው ዋጋ 0.7 ነው። መገለባበጥን ለማሰናከል እሴቱን ወደ 0 ያቀናብሩ።
- በ 32-ቢት አስተናጋጆች ላይ በጣም ትልቅ ሰነዶችን ማካሄድ የተሻሻለ።
- ሽግግሩ የተደረገው ከ std :: regex ተግባራት ወደ std :: string በመጠቀም ነው።
- የተሻሻሉ የግንባታ ስክሪፕቶች ለAutotools ፣CMake እና ቀጣይነት ያለው ውህደት ስርዓቶች።
ምንጭ: opennet.ru