Tesseract 5.2 টেক্সট রিকগনিশন সিস্টেমের রিলিজ

Tesseract 5.2 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 অ্যাপ্লিকেশনগুলিতে OCR কার্যকারিতা এম্বেড করার জন্য libtesseract লাইব্রেরি অন্তর্ভুক্ত করে। তৃতীয় পক্ষের GUI ইন্টারফেস যা Tesseract সমর্থন করে তার মধ্যে রয়েছে gImageReader, VietOCR এবং YAGF। দুটি স্বীকৃতি ইঞ্জিন দেওয়া হয়: একটি ক্লাসিক যা স্বতন্ত্র অক্ষর প্যাটার্নের স্তরে পাঠ্যকে স্বীকৃতি দেয় এবং একটি নতুন একটি LSTM পুনরাবৃত্ত নিউরাল নেটওয়ার্কের উপর ভিত্তি করে একটি মেশিন লার্নিং সিস্টেমের ব্যবহারের উপর ভিত্তি করে, সম্পূর্ণ স্ট্রিংগুলিকে স্বীকৃতি দেওয়ার জন্য অপ্টিমাইজ করা হয় এবং অনুমতি দেয় নির্ভুলতা উল্লেখযোগ্য বৃদ্ধি। 123টি ভাষার জন্য প্রস্তুত প্রশিক্ষিত মডেল প্রকাশিত হয়েছে। কর্মক্ষমতা অপ্টিমাইজ করার জন্য, OpenMP এবং SIMD নির্দেশাবলী AVX2, AVX, AVX512F, NEON বা SSE4.1 ব্যবহার করে মডিউলগুলি অফার করা হয়৷

Tesseract 5.2 এ মূল উন্নতি:

• Intel AVX512F নির্দেশাবলী ব্যবহার করে বাস্তবায়িত অপ্টিমাইজেশান যোগ করা হয়েছে৷
• C API মেমরি থেকে একটি মেশিন লার্নিং মডেল লোড করার সাথে tesseract আরম্ভ করার জন্য একটি ফাংশন প্রয়োগ করে।
• ইনভার্ট_থ্রেশহোল্ড প্যারামিটার যোগ করা হয়েছে, যা টেক্সট স্ট্রিং-এর ইনভার্সশনের মাত্রা নির্ধারণ করে। ডিফল্ট মান হল 0.7। ইনভার্সন অক্ষম করতে, মানটি 0 এ সেট করুন।
• 32-বিট হোস্টে খুব বড় নথিগুলির উন্নত প্রক্রিয়াকরণ।
• std::regex ফাংশন ব্যবহার করে std::string-এ রূপান্তর করা হয়েছে।
• Autotools, CMake এবং ক্রমাগত ইন্টিগ্রেশন সিস্টেমের জন্য উন্নত বিল্ড স্ক্রিপ্ট।

  উত্স: opennet.ru