ΠΡΠ±Π»ΠΈΠΊΡΠ²Π°Π½Π° Π΅ Π²Π΅ΡΡΠΈΡΡΠ° Π½Π° ΡΠΈΡΡΠ΅ΠΌΠ°ΡΠ° Π·Π° ΠΎΠΏΡΠΈΡΠ½ΠΎ ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ Π½Π° ΡΠ΅ΠΊΡΡ Tesseract 5.3.4, ΠΊΠΎΡΡΠΎ ΠΏΠΎΠ΄Π΄ΡΡΠΆΠ° ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ Π½Π° UTF-8 ΡΠΈΠΌΠ²ΠΎΠ»ΠΈ ΠΈ ΡΠ΅ΠΊΡΡΠΎΠ²Π΅ Π½Π° ΠΏΠΎΠ²Π΅ΡΠ΅ ΠΎΡ 100 Π΅Π·ΠΈΠΊΠ°, Π²ΠΊΠ»ΡΡΠΈΡΠ΅Π»Π½ΠΎ ΡΡΡΠΊΠΈ, ΠΊΠ°Π·Π°Ρ ΡΠΊΠΈ, Π±Π΅Π»Π°ΡΡΡΠΊΠΈ ΠΈ ΡΠΊΡΠ°ΠΈΠ½ΡΠΊΠΈ. Π Π΅Π·ΡΠ»ΡΠ°ΡΡΡ ΠΌΠΎΠΆΠ΅ Π΄Π° Π±ΡΠ΄Π΅ Π·Π°ΠΏΠ°Π·Π΅Π½ ΠΊΠ°ΠΊΡΠΎ Π² ΡΠΈΡΡ ΡΠ΅ΠΊΡΡ, ΡΠ°ΠΊΠ° ΠΈ Π²ΡΠ² ΡΠΎΡΠΌΠ°ΡΠΈ HTML (hOCR), ALTO (XML), PDF ΠΈ TSV. ΠΡΡΠ²ΠΎΠ½Π°ΡΠ°Π»Π½ΠΎ ΡΠΈΡΡΠ΅ΠΌΠ°ΡΠ° Π΅ ΡΡΠ·Π΄Π°Π΄Π΅Π½Π° ΠΏΡΠ΅Π· 1985-1995 Π³. Π² Π»Π°Π±ΠΎΡΠ°ΡΠΎΡΠΈΡΡΠ° Π½Π° Hewlett Packard, ΠΏΡΠ΅Π· 2005 Π³. ΠΊΠΎΠ΄ΡΡ Π΅ ΠΎΡΠ²ΠΎΡΠ΅Π½ ΠΏΠΎΠ΄ Π»ΠΈΡΠ΅Π½Π· Apache ΠΈ Π΅ Π΄ΠΎΡΠ°Π·Π²ΠΈΡ Ρ ΡΡΠ°ΡΡΠΈΠ΅ΡΠΎ Π½Π° ΡΠ»ΡΠΆΠΈΡΠ΅Π»ΠΈ Π½Π° Google. ΠΠ·Ρ ΠΎΠ΄Π½ΠΈΡΠ΅ ΡΠ΅ΠΊΡΡΠΎΠ²Π΅ Π½Π° ΠΏΡΠΎΠ΅ΠΊΡΠ° ΡΠ΅ ΡΠ°Π·ΠΏΡΠΎΡΡΡΠ°Π½ΡΠ²Π°Ρ ΠΏΠΎΠ΄ Π»ΠΈΡΠ΅Π½Π· Apache 2.0.
Tesseract Π²ΠΊΠ»ΡΡΠ²Π° ΠΊΠΎΠ½Π·ΠΎΠ»Π½Π° ΠΏΠΎΠΌΠΎΡΠ½Π° ΠΏΡΠΎΠ³ΡΠ°ΠΌΠ° ΠΈ Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ° libtesseract Π·Π° Π²Π³ΡΠ°ΠΆΠ΄Π°Π½Π΅ Π½Π° OCR ΡΡΠ½ΠΊΡΠΈΠΎΠ½Π°Π»Π½ΠΎΡΡ Π² Π΄ΡΡΠ³ΠΈ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ. GUI ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡΠΈΡΠ΅ Π½Π° ΡΡΠ΅ΡΠΈ ΡΡΡΠ°Π½ΠΈ, ΠΊΠΎΠΈΡΠΎ ΠΏΠΎΠ΄Π΄ΡΡΠΆΠ°Ρ Tesseract, Π²ΠΊΠ»ΡΡΠ²Π°Ρ gImageReader, VietOCR ΠΈ YAGF. ΠΡΠ΅Π΄Π»Π°Π³Π°Ρ ΡΠ΅ Π΄Π²Π΅ ΠΌΠ°ΡΠΈΠ½ΠΈ Π·Π° ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅: ΠΊΠ»Π°ΡΠΈΡΠ΅ΡΠΊΠ°, ΠΊΠΎΡΡΠΎ ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π° ΡΠ΅ΠΊΡΡ Π½Π° Π½ΠΈΠ²ΠΎ ΠΈΠ½Π΄ΠΈΠ²ΠΈΠ΄ΡΠ°Π»Π½ΠΈ ΡΠΈΠΌΠ²ΠΎΠ»Π½ΠΈ ΡΠ°Π±Π»ΠΎΠ½ΠΈ, ΠΈ Π½ΠΎΠ²Π°, Π±Π°Π·ΠΈΡΠ°Π½Π° Π½Π° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½Π΅ΡΠΎ Π½Π° ΡΠΈΡΡΠ΅ΠΌΠ° Π·Π° ΠΌΠ°ΡΠΈΠ½Π½ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅, Π±Π°Π·ΠΈΡΠ°Π½Π° Π½Π° ΠΏΠΎΠ²ΡΠ°ΡΡΡΠ° ΡΠ΅ Π½Π΅Π²ΡΠΎΠ½Π½Π° ΠΌΡΠ΅ΠΆΠ° LSTM, ΠΎΠΏΡΠΈΠΌΠΈΠ·ΠΈΡΠ°Π½Π° Π·Π° ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ Π½Π° ΡΠ΅Π»ΠΈ Π½ΠΈΠ·ΠΎΠ²Π΅ ΠΈ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ²Π°ΡΠ° Π·Π½Π°ΡΠΈΡΠ΅Π»Π½ΠΎ ΡΠ²Π΅Π»ΠΈΡΠ΅Π½ΠΈΠ΅ Π½Π° ΡΠΎΡΠ½ΠΎΡΡΡΠ°. ΠΡΠ±Π»ΠΈΠΊΡΠ²Π°Π½ΠΈ ΡΠ° Π³ΠΎΡΠΎΠ²ΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ Π·Π° 123 Π΅Π·ΠΈΠΊΠ°. ΠΠ° ΠΎΠΏΡΠΈΠΌΠΈΠ·ΠΈΡΠ°Π½Π΅ Π½Π° ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡΠ΅Π»Π½ΠΎΡΡΡΠ° ΡΠ΅ ΠΏΡΠ΅Π΄Π»Π°Π³Π°Ρ ΠΌΠΎΠ΄ΡΠ»ΠΈ, ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°ΡΠΈ OpenMP ΠΈ SIMD ΠΈΠ½ΡΡΡΡΠΊΡΠΈΠΈ AVX2, AVX, AVX512F, NEON ΠΈΠ»ΠΈ SSE4.1.
ΠΡΠ½ΠΎΠ²Π½ΠΈ ΠΏΠΎΠ΄ΠΎΠ±ΡΠ΅Π½ΠΈΡ:
- ΠΠΎΠ΄ΠΎΠ±ΡΠ΅Π½ΠΎ ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ Π½Π° ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ ΠΏΠΎ URL Ρ ΠΈΠ·ΡΠ΅Π³Π»ΡΠ½Π΅ Π½Π° ΡΠ°ΠΉΠ» Ρ ΠΏΠΎΠΌΠΎΡΡΠ° Π½Π° Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ°ΡΠ° libcurl. ΠΡΠΈ Π·Π°ΡΠ΅ΠΆΠ΄Π°Π½Π΅ ΡΠ΅ Π·Π°Π΄Π°Π²Π° Π·Π°Π³Π»Π°Π²ΠΊΠ°ΡΠ° User-Agent. ΠΠΎΠ±Π°Π²Π΅Π½ Π΅ Π½ΠΎΠ² ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΡ curl_cookiefile Π·Π° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½Π΅ Π½Π° ΡΠ°ΠΉΠ» Ρ Π±ΠΈΡΠΊΠ²ΠΈΡΠΊΠΈ.
- Π‘ΡΡΠ²ΡΡΡΡ ScrollView ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π° TCP ΠΊΠ°ΡΠΎ ΠΏΡΠ΅Π΄ΠΏΠΎΡΠΈΡΠ°Π½ ΠΏΡΠΎΡΠΎΠΊΠΎΠ».
- ΠΠΎΠ³Π°ΡΠΎ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°ΡΠ΅ ΠΊΠΎΠΌΠ°Π½Π΄Π°ΡΠ° "combine_tessdata -d", ΠΈΠ·Ρ ΠΎΠ΄ΡΡ ΡΠ΅ ΠΏΡΠ΅Π΄ΠΎΡΡΠ°Π²Ρ Π½Π° stdout Π²ΠΌΠ΅ΡΡΠΎ Π½Π° stderr.
- ΠΠΎΡΠΈΠ³ΠΈΡΠ°Π½ΠΈ ΠΏΡΠΎΠ±Π»Π΅ΠΌΠΈ Ρ ΠΈΠ·Π³ΡΠ°ΠΆΠ΄Π°Π½Π΅ΡΠΎ ΠΏΡΠΈ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½Π΅ Π½Π° autoconf ΠΈ clang.
ΠΠ·ΡΠΎΡΠ½ΠΈΠΊ: opennet.ru