{"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\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1","title":{"rendered":"Ver\u00f6ffentlichung des Text-Enginerkennungssystems Tesseract 5.1","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Ver\u00f6ffentlichung des Systems f\u00fcr optische Zeichenerkennung Tesseract 5.1, das die Erkennung von UTF-8-Zeichen und Texten in mehr als 100 Sprachen unterst\u00fctzt, einschlie\u00dflich Russisch, Kasachisch, Wei\u00dfrussisch und Ukrainisch, wurde bekanntgegeben. Die Ergebnisse k\u00f6nnen sowohl als reiner Text als auch in HTML-Formaten (hOCR), ALTO (XML), PDF und TSV gespeichert werden. Urspr\u00fcnglich wurde das System in den Jahren 1985-1995 im Labor des Unternehmens Hewlett Packard entwickelt; 2005 wurde der Code unter der Apache-Lizenz freigegeben und sp\u00e4ter mit Beteiligung von Mitarbeitern von Google weiterentwickelt. Die urspr\u00fcnglichen Projekttexte werden unter der Lizenz Apache 2.0 verbreitet. <\/p>\n
Tesseract umfasst ein Konsolen-Dienstprogramm und die Bibliothek libtesseract, um Texterkennungsfunktionen in andere Anwendungen zu integrieren. Zu den unterst\u00fctzenden GUI-Schnittstellen f\u00fcr Tesseract geh\u00f6ren gImageReader, VietOCR und YAGF. Es werden zwei Erkennungsengines angeboten: die klassische, die Zeichen auf der Grundlage von Vorlagen erkennt, und die neue, die auf einem maschinellen Lernsystem auf der Basis eines rekurrenten neuronalen Netzwerks (LSTM) basiert, das f\u00fcr die Erkennung ganzer Zeilen optimiert ist und eine erhebliche Verbesserung der Genauigkeit erm\u00f6glicht. Vorgefertigte, trainierte Modelle wurden f\u00fcr 123 Sprachen ver\u00f6ffentlicht. Zur Optimierung der Leistung werden Module angeboten, die OpenMP und SIMD-Anweisungen wie AVX2, AVX, NEON oder SSE4.1 nutzen. <\/p>\n
Die wichtigsten Verbesserungen in Tesseract 5.1: <\/p>\n
\n
Die M\u00f6glichkeit zur Verarbeitung von Bereichen mit Bildern und Linien beim Export in ALTO-, hOCR- und Textformaten wurde implementiert.\n
Ein neuer Parameter curl_timeout lkz curl_easy_setop wurde hinzugef\u00fcgt.\n
Das Builds-System wurde verbessert.\n
Die Arbeit zur Entfernung von nicht verwendetem Code wurde durchgef\u00fchrt.\n
Abst\u00fcrze, die durch eine fehlerhafte Verarbeitung von Nullzeigern in der Klasse PageIterator::Orientation verursacht wurden, wurden behoben. <\/ul>\n