Tesseract 5.5.0 teksti tuvastamise süsteemi väljaanne

Tesseract 5.5.0 versiooni väljaanne on avaldatud, toetades Unicode'i ja tekstide tuvastamist rohkem kui 100 keeles, sealhulgas vene, kasahhi, valgevene ja ukraina keeles. Tulemusi saab salvestada nii avatud tekstina kui ka HTML (hOCR), ALTO (XML), PDF ja TSV formaatides. Alguses loodi süsteem aastatel 1985–1995 Hewlett Packardi laboris, 2005. aastal avati kood Apache litsentsi alusel ja seda arendati edasi Google'i töötajate osalusel. Projekti lähtekoodid jaotatakse Apache 2.0 litsentsi alusel.

Tesseract sisaldab konsoolikäivitusprogrammi ja libtesseract teeki, et sisestada tekstituvastuse funktsioone teistesse rakendustesse. Tesseracti toetavaid kolmanda osapoole GUI-liideseid on gImageReader, VietOCR ja YAGF. Pakutakse kahte tuvastusmehhanismi: klassikaline, mis tuvastab teksti üksikute sümbolite mallide tasemel, ja uus, mis põhineb masinõppe süsteemi, kasutades LSTM rekursiivset neuronivõrku, mis on optimeeritud täisaridade tuvastamiseks ja mis võimaldab saavutada märkimisväärset täpsuse suurenemist. Valmistatud treenitud mudeleid on avaldatud 123 keeles. Tulemuslikkuse optimeerimiseks pakutakse mooduleid, mis kasutavad OpenMP ja AVX2, AVX, AVX512F, NEON või SSE4.1 SIMD-käske.

Peamised täiustused:

• Toetatud on RISC-V V vektori laienduste toetus, mille põhjal on valmistatud assembleri optimeerimisi RISC-V protsessoritega süsteemide jaoks.
• hOCR formaadis tulemuste salvestamisel tagatakse loodud failis ocrp_dir ja ocrp_lang parameetrite määramine.
• Kood on moderniseeritud, et määrata kergesti kätte saadavad keelemudelid.
• Koodi on parendatud hOCR formaadis failide loomise jaoks ja Windowsi platvormil ei toimu enam failide nimede muutmist.
• Lubatud on kasutada sümboolseid väärtusi valikutes '—oem' ja '—psm'.
• Koodis on asendatud access ja _access funktsioonid std::filesystem::exists() meetodiga. tprintf funktsioonid on asendatud tesserr'i vooga.
• Käivitamiseks tehtud masinõppe platvormi Tensorflow toetus eemaldati, mis kunagi tehti, kuid ei olnud kunagi kasutusele võetud AI-tuvastusmudelite täitmiseks.
• Windowsi platvormi installijat on parandatud.
• Submoodul googletest on värskendatud versioonini 1.15.2.

Allikas: opennet.ru