{"id":104616,"date":"2022-07-07T21:37:10","date_gmt":"2022-07-07T19:37:10","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-2"},"modified":"2022-07-07T21:37:10","modified_gmt":"2022-07-07T19:37:10","slug":"reliz-sistemy-raspoznavaniya-teksta-tesseract-5-2","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-2","title":{"rendered":"Udgivelse af tekstgenkendelsessystemet Tesseract 5.2","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Udgivelsen af Tesseract 5.2, et system til optisk tegngenkendelse, er blevet offentliggjort. Det 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 HTML (hOCR), ALTO (XML), PDF og TSV-formater. Systemet blev oprindeligt udviklet i 1985-1995 i laboratoriet hos Hewlett Packard, og i 2005 blev koden \u00e5bnet under Apache-licensen og videreudviklet med hj\u00e6lp fra medarbejdere hos Google. Projektets kildekoder distribueres under Apache 2.0-licensen. <\/p>\n
Tesseract inkluderer et kommandolinjev\u00e6rkt\u00f8j og biblioteket libtesseract til indbygning af tekstgenkendelsesfunktioner i andre applikationer. Blandt de eksterne GUI-gr\u00e6nseflader, der underst\u00f8tter Tesseract, kan n\u00e6vnes gImageReader, VietOCR og YAGF. Der tilbydes to genkendelsesmotorer: en klassisk, der genkender tekst p\u00e5 niveau med mallene for individuelle tegn, og en ny, der er baseret p\u00e5 anvendelsen af et maskinl\u00e6ringssystem med en rekurrent neural netv\u00e6rk (LSTM), optimeret til at genkende hele linjer og derved opn\u00e5 betydelig forbedring af n\u00f8jagtigheden. F\u00e6rdigtr\u00e6nede modeller er offentliggjort til 123 sprog. For at optimere ydeevnen tilbydes moduler, der bruger OpenMP og AVX2, AVX, AVX512F, NEON eller SSE4.1 SIMD-instruktioner. <\/p>\n
De vigtigste forbedringer i Tesseract 5.2: <\/p>\n
\n
Optimeringer er blevet tilf\u00f8jet, implementeret ved hj\u00e6lp af Intel AVX512F-instruktioner.\n
Der er implementeret en funktion i C API til at initialisere Tesseract ved at indl\u00e6se modellen fra hukommelsen.\n
Der er tilf\u00f8jet en parameter, invert_threshold, som definerer niveauet for inversion af tekstlinjer. Standardv\u00e6rdien er 0,7. For at deaktivere inversion skal v\u00e6rdien s\u00e6ttes til 0.\n
Behandlingen af meget store dokumenter p\u00e5 32-bit v\u00e6rter er blevet forbedret.\n
Overgangen fra at bruge std::regex-funktioner til std::string er gennemf\u00f8rt.\n
Bygningsscenarierne for Autotools, CMake og systemer til kontinuerlig integration er blevet forbedret. <\/p>\n