নতুন অপটিক্যাল টেক্সট রিকগনিশন সিস্টেম ইজিওসিআর

প্রকল্প ইজিওসিআর একটি নতুন অপটিক্যাল টেক্সট রিকগনিশন সিস্টেম তৈরি করা হচ্ছে যা ইংরেজি, জার্মান, ফ্রেঞ্চ, জাপানিজ, চীনা, কোরিয়ান, উজবেক, আজারবাইজানীয় এবং লিথুয়ানিয়ান সহ 40টিরও বেশি ভাষাকে সমর্থন করে। সিরিলিক-ভিত্তিক ভাষাগুলি এখনও সমর্থিত নয়, তবে সেগুলি পরিকল্পনার তালিকায় যুক্ত করা হচ্ছে। কোডটি ফ্রেমওয়ার্ক ব্যবহার করে পাইথনে লেখা হয় পাইটর্চ и দ্বারা বিতরণ Apache 2.0 এর অধীনে লাইসেন্সপ্রাপ্ত। লোড করার জন্য প্রদান করা হয় ল্যাটিন বর্ণমালা এবং হায়ারোগ্লিফের উপর ভিত্তি করে ভাষার জন্য তৈরি মডেল।

মেশিন লার্নিং পদ্ধতিগুলি একটি চিত্রের পাঠ্য সনাক্ত করতে এবং সনাক্ত করতে ব্যবহৃত হয়। একটি মেশিন লার্নিং অ্যালগরিদম পাঠ্য সনাক্ত করতে ব্যবহৃত হয় নৈপুণ্য (পাঠ্যের জন্য চরিত্র-অঞ্চল সচেতনতা) ইন বাস্তবায়ন PyTorch-এর জন্য, লেবেল, তথ্য চিহ্ন এবং রাস্তার চিহ্ন সহ নির্বিচারে বস্তুগুলিতে পাঠ্য হাইলাইট করতে সক্ষম। অক্ষর ক্রম চিনতে একটি কনভোলিউশনাল রিকারেন্ট নিউরাল নেটওয়ার্ক ব্যবহার করা হয় সিআরএনএন (Convolutional Recurrent Neural Network, DCNN এবং RNN এর সংমিশ্রণ) এবং অ্যালগরিদম CTC BeamSearch CTC BeamSearch (সংযোগবাদী টেম্পোরাল ক্লাসিফিকেশন) পাঠ্য উপস্থাপনায় নিউরাল নেটওয়ার্ক আউটপুট ডিকোড করতে।

উত্স: opennet.ru