liberazione di u sistema di ricunniscenza di testu otticu , chì sustene u ricunniscenza di caratteri UTF-8 è testi in più di 100 lingue, cumprese russu, kazako, bielorussu è ucrainu. U risultatu pò esse salvatu in testu chjaru o in formati HTML (hOCR), ALTO (XML), PDF è TSV. U sistema hè stata creata in u 1985-1995 in u laboratoriu Hewlett Packard; in u 2005, u codice hè statu apertu sottu a licenza Apache è hè statu sviluppatu ulteriormente cù a participazione di l'impiegati di Google. Fonti di prughjettu licenziatu sottu Apache 2.0.
Tesseract include una utilità di cunsola è a libreria libtesseract per incrustà a funziunalità OCR in altre applicazioni. Da terze parti chì sustene Tesseract pudete nutà , и . Dui mutori di ricunniscenza sò offerti: un classicu chì ricunnosce u testu à u livellu di mudelli di caratteri individuali, è un novu basatu annantu à l'usu di un sistema di apprendimentu machine basatu nantu à una rete neurale recurrente LSTM, ottimizzata per ricunnosce stringhe intere è chì permettenu un aumentu significativu di a precisione. I mudelli furmati pronti sò publicati per . Per ottimisà u rendiment, i moduli chì utilizanu OpenMP è AVX2, AVX o SSE4.1 SIMD instructions sò offerti.
menu in Tesseract 4.1:
- Aggiunta a capacità di produzzione in u furmatu XML (Layout analizatu è ughjettu di testu). Per utilizà stu formatu, duvete eseguisce l'applicazione cum'è "tessaract image_name alto output_dir";
- Aggiunti novi moduli di rendering LSTMBox è WordStrBox, simplificà a furmazione di u mutore;
- Aghjunghje supportu per pseudografiche in output hOCR (HTML);
- Aghjunghjite scripts alternativi scritti in Python per a furmazione di u mutore basatu annantu à l'apprendimentu machine;
- Ottimisazioni ampliate cù l'istruzzioni AVX, AVX2 è SSE;
- U supportu OpenMP hè disattivatu per difettu per via di cù a produtividade;
- Aghjunghje supportu per listi bianchi è neri in u mutore LSTM;
- Scripts di custruzzione migliurati basati nantu à Cmake.
Source: opennet.ru