рэліз сістэмы аптычнага распазнання тэксту , якая падтрымлівае распазнанне сімвалаў UTF-8 і тэкстаў на больш чым 100 мовах, уключаючы рускую, казахскую, беларускую і ўкраінскую. Вынік можа захоўвацца як адчыненым тэкстам, так і ў фарматах HTML (hOCR), ALTO (XML), PDF і TSV. Першапачаткова сістэма была створана ў 1985-1995 гадах у лабараторыі кампаніі Hewlett Packard, у 2005 годзе код быў адчынены пад ліцэнзіяй Apache і ў далейшым развіваўся пры ўдзеле працаўнікоў кампаніі Google. Зыходныя тэксты праекта пад ліцэнзіяй Apache 2.0.
Tesseract уключае ў сябе кансольную ўтыліту і бібліятэку libtesseract для ўбудавання функцый распазнання тэксту ў іншыя прыкладанні. З якія падтрымліваюць Tesseract іншых можна адзначыць , и . Прапануецца два рухавічкі распазнання: класічны, які распазнае тэкст на ўзроўні шаблонаў асобных знакаў, і новы, які базуецца на ўжыванні сістэмы машыннага навучання на базе рэкурэнтнай нейронавай сеткі LSTM, аптымізаванай для распазнання цалкам радкоў і якая дазваляе дамагчыся істотнага павелічэння дакладнасці. Гатовыя натрэніраваныя мадэлі апублікаваны для . Для аптымізацыі прадукцыйнасці прапануюцца модулі, якія выкарыстоўваюць OpenMP і SIMD-інструкцый AVX2, AVX ці SSE4.1.
Асноўныя у Tesseract 4.1:
- Дададзена магчымасць вываду ў XML-фармаце (Analyzed Layout and Text Object). Для выкарыстання дадзенага фармату варта запусціць прыкладанне як "tessaract імя_малюнка каталог_высновы alto";
- Дададзены новыя модулі рэндэрынгу LSTMBox і WordStrBox, якія спрашчаюць правядзенне навучання рухавічка;
- Дададзена падтрымка псеўдаграфікі ў выснове hOCR (HTML);
- Дададзены напісаныя на мове Python альтэрнатыўныя скрыпты для трэніроўкі рухавічка на базе машыннага навучання;
- Пашыраны аптымізацыі з выкарыстаннем інструкцый AVX, AVX2 і SSE;
- Па змаўчанні адключаная падтрымка OpenMP з-за з прадукцыйнасцю;
- У рухавічку LSTM дададзеная падтрымка белых і чорных спісаў;
- Палепшаны зборачныя сцэнары на базе Cmake.
Крыніца: opennet.ru