{"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\/de\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0","title":{"rendered":"Release der Texterkennungssystem Tesseract 5.5.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Der Release des optischen Texterkennungssystems Tesseract 5.5.0 wurde ver\u00f6ffentlicht. Es unterst\u00fctzt Unicode und die Erkennung von Texten in mehr als 100 Sprachen, einschlie\u00dflich Russisch, Kasachisch, Wei\u00dfrussisch und Ukrainisch. Die Ergebnisse k\u00f6nnen als reiner Text oder in den Formaten HTML (hOCR), ALTO (XML), PDF und TSV gespeichert werden. Urspr\u00fcnglich wurde das System zwischen 1985 und 1995 im Labor der Hewlett Packard entwickelt; im Jahr 2005 wurde der Code unter der Apache-Lizenz ver\u00f6ffentlicht und anschlie\u00dfend mit Beteiligung von Mitarbeitern von Google weiterentwickelt. Die Quelltexte des Projekts werden unter der Lizenz Apache 2.0 verbreitet. <\/p>\n
Tesseract umfasst ein Konsolenwerkzeug sowie die Bibliothek libtesseract, um Texterkennungsfunktionen in andere Anwendungen zu integrieren. Zu den unterst\u00fctzten Tesseract-GUI-Interfaces geh\u00f6ren gImageReader, VietOCR und YAGF. Es werden zwei Erkennungs-Engines angeboten: die klassische, die Zeichen auf der Grundlage von Mustern erkennt, und die neue, die auf einem maschinellen Lernsystem mit rekursiven neuronalen Netzwerken (LSTM) basiert. Diese ist darauf optimiert, ganze Zeilen zu erkennen und erm\u00f6glicht eine signifikante Steigerung der Genauigkeit. Bereits trainierte Modelle sind f\u00fcr 123 Sprachen ver\u00f6ffentlicht. Zur Optimierung der Leistung stehen Module zur Verf\u00fcgung, die OpenMP sowie SIMD-Instruktionen wie AVX2, AVX, AVX512F, NEON oder SSE4.1 nutzen. <\/p>\n
Wesentliche Verbesserungen: <\/p>\n
\n
Die Unterst\u00fctzung f\u00fcr die Vektor-erweiterungen RISC-V V wurde hinzugef\u00fcgt, auf deren Grundlage Assembly-Optimierungen f\u00fcr Systeme mit RISC-V-Prozessoren vorbereitet wurden.\n
Beim Speichern des Ergebnisses im hOCR-Format werden die Parameter ocrp_dir und ocrp_lang in der erstellten Datei eingestellt.\n
Der Code zur Erkennung verf\u00fcgbarer Sprachmodelle wurde modernisiert.\n
Der Code zur Erstellung von Dateien im hOCR-Format wurde verbessert und die Umbenennung von Dateien auf der Windows-Plattform entfernt.\n
Die Angabe von Zeichenwerten in den Optionen «—oem» und «—psm» ist erlaubt.\n
Im Code wurden die Funktionen access und _access durch die Methode std::filesystem::exists() ersetzt. Die Funktionen tprintf wurden durch die Verwendung des tesserr-Streams ersetzt.\n
Die Unterst\u00fctzung der Machine-Learning-Plattform Tensorflow wurde entfernt, die urspr\u00fcnglich implementiert, aber nie zur Ausf\u00fchrung von KI-Modellen zur Erkennung verwendet wurde.\n
Der Installer f\u00fcr die Windows-Plattform wurde verbessert.\n
Das Submodul googletest wurde auf Version 1.15.2 aktualisiert. <\/ul>\n