frijlitting fan optysk tekstherkenningssysteem , stipet erkenning fan UTF-8-karakters en teksten yn mear as 100 talen, ynklusyf Russysk, Kazachsk, Wyt-Russysk en Oekraynsk. It resultaat kin wurde bewarre yn platte tekst of yn HTML (hOCR), ALTO (XML), PDF en TSV formaten. It systeem waard oarspronklik makke yn 1985-1995 yn it Hewlett Packard laboratoarium; yn 2005 waard de koade iepene ûnder de Apache-lisinsje en waard fierder ûntwikkele mei de dielname fan Google-meiwurkers. Projekt boarnen lisinsje ûnder Apache 2.0.
Tesseract omfettet in konsole-hulpprogramma en de libtesseract-bibleteek foar it ynbêdzjen fan OCR-funksjonaliteit yn oare applikaasjes. Fan tredden dy't Tesseract stypje do kinst notearje , и . Twa herkenningsmotoren wurde oanbean: in klassiker dy't tekst herkent op it nivo fan yndividuele karakterpatroanen, en in nije basearre op it brûken fan in masine-learsysteem basearre op in LSTM weromkommend neural netwurk, optimalisearre foar it werkennen fan heule snaren en it tastean fan in signifikante tanimming fan krektens. Ready-made oplaat modellen wurde publisearre foar . Om de prestaasjes te optimalisearjen wurde modules oanbean mei OpenMP en AVX2, AVX of SSE4.1 SIMD ynstruksjes.
haad yn Tesseract 4.1:
- Tafoege de mooglikheid om útfier yn XML-formaat (Analysearde yndieling en tekstobjekt). Om dit formaat te brûken, moatte jo de applikaasje útfiere as "tessaract image_name alto output_dir";
- Added nije rendering modules LSTMBox en WordStrBox, ferienfâldigjen motor training;
- Stipe tafoege foar pseudografy yn hOCR (HTML) útfier;
- Added alternative skripts skreaun yn Python foar training fan de motor basearre op masine learen;
- Utwreide optimisaasjes mei AVX, AVX2 en SSE ynstruksjes;
- OpenMP-stipe is standert útskeakele fanwegen mei produktiviteit;
- Stipe tafoege foar wite en swarte listen yn 'e LSTM-motor;
- Ferbettere build skripts basearre op Cmake.
Boarne: opennet.ru