{"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\/de\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1","title":{"rendered":"Die Ver\u00f6ffentlichung des Textverarbeitungssystems Tesseract 5.1","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die neue Version des optischen Zeichenerkennungssystems Tesseract 5.1 ist ver\u00f6ffentlicht worden. Sie unterst\u00fctzt die Erkennung von UTF-8 Zeichen und Texten in \u00fcber 100 Sprachen, einschlie\u00dflich Russisch, Kasachisch, Wei\u00dfrussisch und Ukrainisch. Die Ergebnisse k\u00f6nnen sowohl als Klartext als auch in den Formaten HTML (hOCR), ALTO (XML), PDF und TSV gespeichert werden. Urspr\u00fcnglich wurde das System in den Jahren 1985 bis 1995 im Labor von Hewlett Packard entwickelt. Im Jahr 2005 wurde der Code unter der Apache-Lizenz ver\u00f6ffentlicht und wurde seither mit Beteiligung von Mitarbeitern der Firma Google weiterentwickelt. Die Quelltexte des Projekts werden unter der Apache 2.0 Lizenz bereitgestellt. <\/p>\n
Tesseract umfasst ein Konsolen-Tool und die Bibliothek libtesseract, um Funktionen zur Texterkennung in andere Anwendungen zu integrieren. Zu den unterst\u00fctzenden GUI-Interfaces von Drittanbietern f\u00fcr Tesseract geh\u00f6ren gImageReader, VietOCR und YAGF. Es werden zwei Erkennungs-Engines angeboten: die klassische, die Text auf der Grundlage von Einzelzeichen-Vorlagen erkennt, und die neue, die auf einem Machine-Learning-System basierend auf rekurrenten neuronalen Netzen (LSTM) basiert. Letztere ist optimiert f\u00fcr die Erkennung ganzer Textzeilen und erm\u00f6glicht eine signifikante Steigerung der Genauigkeit. Vorgefertigte, trainierte Modelle sind f\u00fcr 123 Sprachen ver\u00f6ffentlicht. Zur Optimierung der Leistung stehen Module zur Verf\u00fcgung, die OpenMP und SIMD-Instruktionen wie AVX2, AVX, NEON oder SSE4.1 verwenden. <\/p>\n
Die wichtigsten Verbesserungen in Tesseract 5.1: <\/p>\n
\n
Es wurde die M\u00f6glichkeit implementiert, Bereiche mit Bildern und Linien beim Export in die Formate ALTO, hOCR und Text zu verarbeiten.\n
Ein neuer Parameter curl_timeout lkz curl_easy_setopt wurde hinzugef\u00fcgt.\n
Das Build-System wurde optimiert.\n
Es wurde an der Beseitigung von ungenutztem Code gearbeitet.\n
Abst\u00fcrze, die durch die fehlerhafte Verarbeitung von Nullzeigern in der Klasse PageIterator::Orientation verursacht wurden, wurden behoben. <\/ul>\n