पाठ पहचान प्रणाली Tesseract 5.0 का विमोचन

रूसी, कज़ाख, बेलारूसी और यूक्रेनी सहित 4.1 से अधिक भाषाओं में यूटीएफ -8 वर्णों और ग्रंथों की पहचान का समर्थन करने वाले टेसेरैक्ट 100 ऑप्टिकल टेक्स्ट रिकग्निशन सिस्टम की रिलीज़ प्रकाशित की गई है। परिणाम सादे पाठ या HTML (hOCR), ALTO (XML), PDF और TSV प्रारूपों में सहेजा जा सकता है। सिस्टम मूल रूप से 1985-1995 में हेवलेट पैकर्ड प्रयोगशाला में बनाया गया था; 2005 में, अपाचे लाइसेंस के तहत कोड खोला गया था और Google कर्मचारियों की भागीदारी के साथ इसे और विकसित किया गया था। प्रोजेक्ट का सोर्स कोड अपाचे 2.0 लाइसेंस के तहत वितरित किया गया है।

Tesseract में अन्य अनुप्रयोगों में OCR कार्यक्षमता को एम्बेड करने के लिए एक कंसोल उपयोगिता और libtesseract लाइब्रेरी शामिल है। Tesseract का समर्थन करने वाले तृतीय-पक्ष GUI इंटरफ़ेस में gImageReader, VietOCR और YAGF शामिल हैं। दो पहचान इंजन पेश किए जाते हैं: एक क्लासिक जो व्यक्तिगत चरित्र पैटर्न के स्तर पर पाठ को पहचानता है, और एक नया LSTM आवर्ती तंत्रिका नेटवर्क पर आधारित मशीन लर्निंग सिस्टम के उपयोग पर आधारित है, जो संपूर्ण स्ट्रिंग को पहचानने और अनुमति देने के लिए अनुकूलित है। सटीकता में उल्लेखनीय वृद्धि. 123 भाषाओं के लिए तैयार प्रशिक्षित मॉडल प्रकाशित किए गए हैं। प्रदर्शन को अनुकूलित करने के लिए, OpenMP और SIMD निर्देशों AVX2, AVX, NEON या SSE4.1 का उपयोग करने वाले मॉड्यूल पेश किए जाते हैं।

Tesseract 5.0 में प्रमुख सुधार:

• संस्करण संख्या में एक महत्वपूर्ण परिवर्तन एपीआई में किए गए परिवर्तनों के कारण है जो संगतता को तोड़ता है। विशेष रूप से, सार्वजनिक रूप से उपलब्ध libtesseract API अब std::string और std::vector के पक्ष में मालिकाना GenericVector और STRING डेटा प्रकारों से बंधा नहीं है।
• स्रोत पाठ वृक्ष को पुनर्गठित किया गया है। सार्वजनिक हेडर फ़ाइलों को include/tesseract निर्देशिका में ले जाया गया है।
• मेमोरी प्रबंधन को फिर से डिज़ाइन किया गया है, सभी मॉलोक और मुफ्त कॉल को C++ कोड से बदल दिया गया है। कोड का सामान्य आधुनिकीकरण किया गया है।
• ARM और ARM64 आर्किटेक्चर के लिए अनुकूलन जोड़े गए; गणनाओं को तेज़ करने के लिए ARM NEON निर्देशों का उपयोग किया जाता है। सभी आर्किटेक्चर के लिए सामान्य प्रदर्शन अनुकूलन किया गया है।
• फ्लोटिंग पॉइंट गणनाओं के उपयोग के आधार पर प्रशिक्षण मॉडल और पाठ पहचान के लिए नए तरीके लागू किए गए हैं। नए मोड उच्च प्रदर्शन और कम मेमोरी खपत प्रदान करते हैं। LSTM इंजन में, फ्लोट32 फास्ट मोड डिफ़ॉल्ट रूप से सक्षम है।
• एनएफसी (नॉर्मलाइज़ेशन फॉर्म कैनोनिकल) फॉर्म का उपयोग करके यूनिकोड सामान्यीकरण का उपयोग करने के लिए एक बदलाव किया गया है।
• लॉग डिटेलिंग (--लॉगलेवल) को कॉन्फ़िगर करने के लिए एक विकल्प जोड़ा गया।
• ऑटोटूल्स पर आधारित बिल्ड सिस्टम को फिर से डिज़ाइन किया गया है और इसे गैर-पुनरावर्ती मोड में बनाने के लिए स्विच किया गया है।
• Git में "मास्टर" शाखा का नाम बदलकर "मुख्य" कर दिया गया है।
• M1 चिप पर आधारित macOS और Apple सिस्टम की नई रिलीज़ के लिए समर्थन जोड़ा गया।
  
  स्रोत: opennet.ru