{"id":103459,"date":"2022-03-02T09:36:50","date_gmt":"2022-03-02T07:36:50","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1"},"modified":"2022-03-02T09:36:50","modified_gmt":"2022-03-02T07:36:50","slug":"reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1","title":{"rendered":"Udgivelse af tekstgenkendelsessystemet Tesseract 5.1","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Udgivelsen af tekstgenkendelsessystemet Tesseract 5.1 er blevet offentliggjort, som underst\u00f8tter genkendelse af UTF-8 tegn og tekster p\u00e5 mere end 100 sprog, herunder russisk, kasakhisk, hviderussisk og ukrainsk. Resultatet kan gemmes som almindelig tekst, samt i formaterne HTML (hOCR), ALTO (XML), PDF og TSV. Systemet blev oprindeligt skabt i 1985-1995 i laboratoriet hos Hewlett Packard, og i 2005 blev koden frigivet under Apache-licensen og blev derefter videreudviklet med deltagelse af medarbejdere fra Google. Projektets kildekoder distribueres under Apache 2.0-licensen. <\/p>\n
Tesseract inkluderer et kommandolinjev\u00e6rkt\u00f8j og bibliotektet libtesseract for at integrere tekstgenkendelsesfunktioner i andre applikationer. Blandt de underst\u00f8ttede tredjeparts GUI-gr\u00e6nseflader kan gImageReader, VietOCR og YAGF n\u00e6vnes. Der tilbydes to genkendelsesmotorer: den klassiske, som genkender tekst p\u00e5 niveauet for individuelle tegn, og den nye, der er baseret p\u00e5 brugen af et maskinl\u00e6ringssystem ved hj\u00e6lp af en rekurrent neural netv\u00e6rk LSTM, der er optimeret til genkendelse af hele linjer og tillader en betydelig n\u00f8jagtighedsfor\u00f8gelse. F\u00e6rdige tr\u00e6ningsmodeller er offentliggjort for 123 sprog. For at optimere ydeevnen tilbydes moduler, der anvender OpenMP og SIMD-instruktioner AVX2, AVX, NEON eller SSE4.1. <\/p>\n
De vigtigste forbedringer i Tesseract 5.1: <\/p>\n
\n
Muligheden for at behandle omr\u00e5der med billeder og linjer er blevet implementeret ved udskrivning i formaterne ALTO, hOCR og tekst.\n
En ny parameter curl_timeout er blevet tilf\u00f8jet til curl_easy_setopt.\n
Bygningssystemet er blevet forbedret.\n
Der er arbejdet p\u00e5 at fjerne ubrugelig kode.\n
Fejl for\u00e5rsaget af forkert behandling af nulptr i klassen PageIterator::Orientation er blevet l\u00f8st. <\/ul>\n