Tesseract 5.0 টেক্সট রিকগনিশন সিস্টেমের রিলিজ

Tesseract 4.1 অপটিক্যাল টেক্সট রিকগনিশন সিস্টেমের রিলিজ প্রকাশিত হয়েছে, যা রাশিয়ান, কাজাখ, বেলারুশিয়ান এবং ইউক্রেনীয় সহ 8 টিরও বেশি ভাষায় UTF-100 অক্ষর এবং পাঠ্যের স্বীকৃতি সমর্থন করে। ফলাফলটি পরিষ্কার পাঠ্য এবং HTML (hOCR), ALTO (XML), PDF এবং TSV ফর্ম্যাটে উভয়ই সংরক্ষণ করা যেতে পারে। প্রাথমিকভাবে, সিস্টেমটি 1985-1995 সালে হিউলেট প্যাকার্ডের পরীক্ষাগারে তৈরি করা হয়েছিল, 2005 সালে কোডটি অ্যাপাচি লাইসেন্সের অধীনে খোলা হয়েছিল এবং Google কর্মীদের অংশগ্রহণে আরও বিকাশ করা হয়েছিল। প্রকল্পের উত্স পাঠ্যগুলি Apache 2.0 লাইসেন্সের অধীনে বিতরণ করা হয়।

Tesseract একটি কনসোল ইউটিলিটি এবং অন্যান্য অ্যাপ্লিকেশনে OCR কার্যকারিতা এমবেড করার জন্য libtesseract লাইব্রেরি অন্তর্ভুক্ত করে। Tesseract-সমর্থক তৃতীয় পক্ষের GUI-এর মধ্যে রয়েছে gImageReader, VietOCR, এবং YAGF। দুটি স্বীকৃতি ইঞ্জিন প্রস্তাব করা হয়েছে: একটি ক্লাসিক যা স্বতন্ত্র অক্ষর প্যাটার্নের স্তরে পাঠ্যকে স্বীকৃতি দেয় এবং একটি নতুন একটি মেশিন লার্নিং সিস্টেমের ব্যবহারের উপর ভিত্তি করে একটি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক LSTM-এর উপর ভিত্তি করে, সম্পূর্ণ লাইনের স্বীকৃতির জন্য অপ্টিমাইজ করা এবং একটি অনুমতি দেয় নির্ভুলতা উল্লেখযোগ্য বৃদ্ধি। 123টি ভাষার জন্য প্রস্তুত প্রশিক্ষিত মডেল প্রকাশিত হয়েছে। কর্মক্ষমতা অপ্টিমাইজ করার জন্য, মডিউলগুলি অফার করা হয় যা OpenMP এবং SIMD নির্দেশাবলী AVX2, AVX, NEON বা SSE4.1 ব্যবহার করে৷

Tesseract 5.0 এ মূল উন্নতি:

• উল্লেখযোগ্য সংস্করণ নম্বর পরিবর্তনটি API-তে পরিবর্তনের কারণে হয়েছে যা সামঞ্জস্য ভঙ্গ করে। বিশেষ করে, সর্বজনীনভাবে উপলব্ধ libtesseract API আর মালিকানা ডেটা প্রকার GenericVector এবং STRING এর সাথে আবদ্ধ নয়, যার পরিবর্তে কোডে std::string এবং std::vector ব্যবহার করা হয়।
• উৎস গাছ পুনর্গঠন করা হয়েছে. পাবলিক হেডার ফাইলগুলি অন্তর্ভুক্ত/টেসার্যাক্ট ডিরেক্টরিতে সরানো হয়েছে।
• মেমরি ম্যানেজমেন্ট নতুন করে ডিজাইন করা হয়েছে, malloc এবং বিনামূল্যের সমস্ত কল C++ কোড দিয়ে প্রতিস্থাপিত হয়েছে। একটি সাধারণ কোড আপগ্রেড করা হয়েছে।
• ARM এবং ARM64 আর্কিটেকচারের জন্য অপ্টিমাইজেশন যোগ করা হয়েছে, ARM NEON নির্দেশাবলী গণনার গতি বাড়ানোর জন্য ব্যবহার করা হয়। সমস্ত আর্কিটেকচারের জন্য সাধারণ কর্মক্ষমতা অপ্টিমাইজেশান সঞ্চালিত হয়েছে।
• ফ্লোটিং পয়েন্ট গণনার ব্যবহারের উপর ভিত্তি করে মডেল প্রশিক্ষণ এবং পাঠ্য স্বীকৃতির নতুন মোড প্রয়োগ করা হয়েছে। নতুন মোড উচ্চ কর্মক্ষমতা এবং হ্রাস মেমরি খরচ দ্বারা চিহ্নিত করা হয়. LSTM ইঞ্জিনে, float32 ফাস্ট মোড ডিফল্টরূপে সক্রিয় থাকে।
• এনএফসি ফর্ম (নরমালাইজেশন ফর্ম ক্যানোনিকাল) ব্যবহার করে ইউনিকোড স্বাভাবিককরণের ব্যবহারে রূপান্তর করা হয়েছে।
• লগ বিশদ (-লগলেভেল) কনফিগার করার জন্য একটি বিকল্প যোগ করা হয়েছে।
• Autotools-এর উপর ভিত্তি করে অ্যাসেম্বলি সিস্টেমটিকে আবার ডিজাইন করা হয়েছে, যা নন-রিকারসিভ মোডে অ্যাসেম্বলিতে স্যুইচ করা হয়েছে।
• Git-এ 'মাস্টার' শাখার নাম পরিবর্তন করে 'প্রধান' করা হয়েছে।
• M1 চিপের উপর ভিত্তি করে macOS এবং Apple সিস্টেমের নতুন রিলিজের জন্য সমর্থন যোগ করা হয়েছে।
  
  উত্স: opennet.ru