Projekt a rendszer egy új optikai karakterfelismerő rendszer fejlődés alatt áll, amely több mint 40 nyelvet támogat, beleértve az angolt, németet, franciát, japánt, kínait, koreait, üzbég nyelvet, azerit és litvánt. A cirill alapú nyelvek még nem támogatottak, de tervezik a hozzáadásukat. A kód Python nyelven készült a és Apache 2.0 licenc alatt. Letöltéshez kész modellek elérhetők a latin ábécére és a karakterekre.
A szöveg képen való azonosításához és felismeréséhez gépi tanulási módszerek alkalmazhatók. A szöveg azonosításához egy gépi tanulási algoritmus használatos (Character-Region Awareness For Text) a PyTorch számára, amely képes kiemelni a szöveget tetszőleges objektumokon, beleértve címkéket, információs táblákat és közlekedési táblákat. A karakterláncok felismerésére konvolúciós-rekurzív neurális hálót alkalmaznak (Convolutional Recurrent Neural Network, a DCNN és RNN kombinációja) és az CTC BeamSearch (Connectionist Temporal Classification) az ideghálózat kimenetének szöveges reprezentációba történő dekódolásához.
Forrás: opennet.ru
