{"id":120548,"date":"2024-11-11T07:09:08","date_gmt":"2024-11-11T05:09:08","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0"},"modified":"2024-11-11T07:09:08","modified_gmt":"2024-11-11T05:09:08","slug":"reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0","title":{"rendered":"Udgaven af tekstgenkendelsessystemet Tesseract 5.5.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Udgivet er en version af systemet til optisk tegngenkendelse Tesseract 5.5.0, som underst\u00f8tter Unicode og genkendelse af tekst 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 videreudviklet med deltagelse af medarbejdere fra Google. Projektets kildekoder distribueres under Apache 2.0-licensen. <\/p>\n
Tesseract inkluderer et konsolv\u00e6rkt\u00f8j og biblioteket libtesseract til integration af tegnkendelsesfunktioner i andre applikationer. Blandt de tredjeparts GUI-grinterfaces, der underst\u00f8tter Tesseract, kan n\u00e6vnes gImageReader, VietOCR og YAGF. Der tilbydes to genkendelsesmotorer: en klassisk, der genkender tekst p\u00e5 grundlag af m\u00f8nstre af individuelle tegn, og en ny, der er baseret p\u00e5 brugen af et maskinl\u00e6ringssystem med en LSTM-recurrent neural netv\u00e6rksmodel, der er optimeret til genkendelse af hele linjer, hvilket muligg\u00f8r en betydelig stigning i n\u00f8jagtigheden. F\u00e6rdigtr\u00e6nede modeller er offentliggjort for 123 sprog. Desuden tilbydes der moduler til optimering af ydeevnen ved hj\u00e6lp af OpenMP og SIMD-instruktioner som AVX2, AVX, AVX512F, NEON eller SSE4.1. <\/p>\n
Hovedforbedringer: <\/p>\n
\n
Tilf\u00f8jet underst\u00f8ttelse af RISC-V V vektorextensioner, for hvilke der er forberedt assembleroptimeringer til systemer med RISC-V processorer.\n
N\u00e5r resultatet skrives i hOCR-format, sikres det, at parametrene ocrp_dir og ocrp_lang er angivet i den oprettede fil.\n
Koden til bestemmelse af tilg\u00e6ngelige sprogmodeller er blevet opgraderet.\n
Koden til at generere filer i hOCR-format er forbedret, og omdannelsen af filnavne p\u00e5 Windows-platformen er fjernet.\n
Det er tilladt at angive symbolske v\u00e6rdier i indstillingerne «—oem» og «—psm».\n
I koden er funktionerne access og _access blevet erstattet med metoden std::filesystem::exists(). Funktionen tprintf er blevet \u00e6ndret til brugen af tesserr-str\u00f8mmen.\n
Underst\u00f8ttelsen af maskinl\u00e6ringsplatformen Tensorflow, som tidligere blev implementeret, men som aldrig blev brugt til at k\u00f8re AI-modeller for genkendelse, er blevet fjernet.\n
Installereren til Windows-platformen er forbedret.\n
Submodulet googletest er blevet opdateret til version 1.15.2. <\/ul>\n