{"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\/de\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-2","title":{"rendered":"Ver\u00f6ffentlichung des Texterkennungssystems Tesseract 5.2","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Ver\u00f6ffentlichung des optischen Zeichenerkennungssystems Tesseract 5.2 ist erfolgt, welches die Erkennung von UTF-8-Zeichen und Texten in \u00fcber 100 Sprachen unterst\u00fctzt, einschlie\u00dflich Russisch, Kasachisch, Wei\u00dfrussisch und Ukrainisch. Die Ergebnisse k\u00f6nnen sowohl als reiner Text als auch in den Formaten HTML (hOCR), ALTO (XML), PDF und TSV gespeichert werden. Urspr\u00fcnglich wurde das System in den Jahren 1985-1995 im Labor von Hewlett Packard entwickelt, 2005 wurde der Code unter der Apache-Lizenz freigegeben und seither mit Unterst\u00fctzung von Mitarbeitern des Unternehmens Google weiterentwickelt. Die Quelltexte des Projekts werden unter der Lizenz Apache 2.0 verbreitet. <\/p>\n
Tesseract beinhaltet ein Konsolenwerkzeug sowie die Bibliothek libtesseract, um Funktionen zur Texterkennung in andere Anwendungen zu integrieren. Zu den unterst\u00fctzenden GUI-Interfaces von Tesseract geh\u00f6ren gImageReader, VietOCR und YAGF. Es werden zwei Erkennungsmotoren angeboten: der klassische, der Text auf Basis von Zeichenmustern erkennt, und der neue, der auf einem maschinellen Lernsystem mit einem rekurrenten neuronalen Netzwerk (LSTM) basiert, welches f\u00fcr die Erkennung ganzer Zeilen optimiert ist und eine signifikante Steigerung der Genauigkeit erm\u00f6glicht. Fertig trainierte Modelle sind f\u00fcr 123 Sprachen ver\u00f6ffentlicht. Zur Leistungsoptimierung stehen Module zur Verf\u00fcgung, die OpenMP und SIMD-Befehle wie AVX2, AVX, AVX512F, NEON oder SSE4.1 nutzen. <\/p>\n
Die wichtigsten Verbesserungen in Tesseract 5.2: <\/p>\n
\n
Es wurden Optimierungen implementiert, die mit Intel AVX512F-Befehlen realisiert wurden.\n
In der C-API wurde eine Funktion zur Initialisierung von Tesseract mit dem Laden von Modellen aus dem Speicher implementiert.\n
Ein neuer Parameter invert_threshold wurde hinzugef\u00fcgt, der das Niveau der Invertierung von Textzeilen bestimmt. Standardm\u00e4\u00dfig ist der Wert auf 0,7 eingestellt. Um die Invertierung zu deaktivieren, stellen Sie den Wert auf 0 ein.\n
Die Verarbeitung von sehr gro\u00dfen Dokumenten auf 32-Bit-Hosts wurde optimiert.\n
Der \u00dcbergang von std::regex zu std::string wurde vollzogen.\n
Die Build-Skripte f\u00fcr Autotools, CMake und Continuous-Integration-Systeme wurden verbessert. <\/p>\n