Objavljen je verzija sustava optičkog prepoznavanja teksta Tesseract 5.5.0, koji podržava Unicode i prepoznavanje tekstova na više od 100 jezika, uključujući ruski, kazahstanski, bjeloruski i ukrajinski. Rezultat se može spremiti kao običan tekst, kao i u HTML (hOCR), ALTO (XML), PDF i TSV formatima. Izvorno je sustav razvijen u laboratoriju tvrtke Hewlett Packard između 1985. i 1995. godine, a 2005. godine kod je otvoren pod Apache licencom i od tada se razvija uz sudjelovanje zaposlenika tvrtke Google. Izvorni tekstovi projekta distribuiraju se pod Apache 2.0 licencom.
Tesseract uključuje konzolnu alatku i biblioteku libtesseract za ugrađivanje funkcija prepoznavanja teksta u druge aplikacije. Od trećih GUI sučelja koja podržavaju Tesseract može se istaknuti gImageReader, VietOCR i YAGF. Dostupna su dva prepoznavača: klasični, koji prepoznaje tekst na razini uzoraka pojedinačnih znakova, i novi, koji se temelji na primjeni sustava strojnog učenja koristeći rekurentne neuronske mreže LSTM, optimizirane za prepoznavanje cijelih redaka i omogućuju povećanje točnosti. Gotovi modeli su objavljeni za 123 jezika. Za optimizaciju performansi nude se moduli koji koriste OpenMP i SIMD instrukcije AVX2, AVX, AVX512F, NEON ili SSE4.1.
Glavna poboljšanja:
- Dodana je podrška za vektorske ekstenzije RISC-V V, na temelju kojih su pripremljene optimizacije assemblera za sustave s RISC-V procesorima.
- Pri zapisivanju rezultata u hOCR formatu osigurano je postavljanje parametara ocrp_dir i ocrp_lang u kreiranom datoteci.
- Moderniziran je kod za određivanje dostupnih jezičnih modela.
- Poboljšan je kod za generiranje datoteka u hOCR formatu i uklonjeno je preimenovanje datoteka na Windows platformi.
- Omogućeno je navođenje simbolskih vrijednosti u opcijama "—oem" i "—psm".
- U kodu su zamijenjene funkcije access i _access metodom std::filesystem::exists(). Funkcije tprintf zamijenjene su korištenjem struje tesserr.
- Uklonjena je podrška za platformu strojnog učenja Tensorflow, koja je nekada implementirana, ali nikada nije korištena za izvršavanje AI modela prepoznavanja.
- Poboljšan je instalator za Windows platformu.
- Podmodul googletest ažuriran je na verziju 1.15.2.
Izvor: opennet.ru
