{"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\/et\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0","title":{"rendered":"Tesseract 5.5.0 teksti tuvastamise s\u00fcsteemi v\u00e4ljaanne","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Tesseract 5.5.0 versiooni v\u00e4ljaanne 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 s\u00fcsteem aastatel 1985\u20131995 Hewlett Packardi laboris, 2005. aastal avati kood Apache litsentsi alusel ja seda arendati edasi Google'i t\u00f6\u00f6tajate osalusel. Projekti l\u00e4htekoodid jaotatakse Apache 2.0 litsentsi alusel. <\/p>\n
Tesseract sisaldab konsoolik\u00e4ivitusprogrammi 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 \u00fcksikute s\u00fcmbolite mallide tasemel, ja uus, mis p\u00f5hineb masin\u00f5ppe s\u00fcsteemi, kasutades LSTM rekursiivset neuroniv\u00f5rku, mis on optimeeritud t\u00e4isaridade tuvastamiseks ja mis v\u00f5imaldab saavutada m\u00e4rkimisv\u00e4\u00e4rset t\u00e4psuse suurenemist. Valmistatud treenitud mudeleid on avaldatud 123 keeles. Tulemuslikkuse optimeerimiseks pakutakse mooduleid, mis kasutavad OpenMP ja AVX2, AVX, AVX512F, NEON v\u00f5i SSE4.1 SIMD-k\u00e4ske. <\/p>\n
Peamised t\u00e4iustused: <\/p>\n
\n
Toetatud on RISC-V V vektori laienduste toetus, mille p\u00f5hjal on valmistatud assembleri optimeerimisi RISC-V protsessoritega s\u00fcsteemide jaoks.\n
hOCR formaadis tulemuste salvestamisel tagatakse loodud failis ocrp_dir ja ocrp_lang parameetrite m\u00e4\u00e4ramine.\n
Kood on moderniseeritud, et m\u00e4\u00e4rata kergesti k\u00e4tte saadavad keelemudelid.\n
Koodi on parendatud hOCR formaadis failide loomise jaoks ja Windowsi platvormil ei toimu enam failide nimede muutmist.\n
Nime lubatud m\u00e4rkide v\u00e4\u00e4rtuste esitamine valikutes «—oem» ja «—psm».\n
Koodis on asendatud access ja _access funktsioonid std::filesystem::exists() meetodiga. tprintf funktsioonid on asendatud tesserr'i vooga.\n
K\u00e4ivitamiseks tehtud masin\u00f5ppe platvormi Tensorflow toetus eemaldati, mis kunagi tehti, kuid ei olnud kunagi kasutusele v\u00f5etud AI-tuvastusmudelite t\u00e4itmiseks.\n
Windowsi platvormi installijat on parandatud.\n
Submoodul googletest on v\u00e4rskendatud versioonini 1.15.2. <\/ul>\n