{"id":36102,"date":"2019-10-31T22:09:38","date_gmt":"2019-10-31T19:09:38","guid":{"rendered":"https:\/\/prohoster.info\/blog\/reliz-sistemy-raspoznavaniya-teksta-tesseract-4-1\/"},"modified":"2019-10-31T22:09:38","modified_gmt":"2019-10-31T19:09:38","slug":"reliz-sistemy-raspoznavaniya-teksta-tesseract-4-1","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-4-1","title":{"rendered":"Rilascio del sistema di riconoscimento testo Tesseract 4.1","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Preparato<\/a><\/noindex> rilascio del sistema di riconoscimento ottico dei testi Tesseract 4.1<\/a><\/noindex>, che supporta il riconoscimento di caratteri UTF-8 e testi in oltre 100 lingue, inclusi russo, kazako, bielorusso e ucraino. I risultati possono essere salvati come testo semplice o nei formati HTML (hOCR), ALTO (XML), PDF e TSV. Il sistema \u00e8 stato originariamente sviluppato tra il 1985 e il 1995 nel laboratorio della Hewlett Packard, e nel 2005 il codice \u00e8 stato reso open source sotto licenza Apache, continuando a svilupparsi con il contributo di Google. I testi sorgente del progetto sono distribuite<\/a><\/noindex> sotto licenza Apache 2.0.<\/p>\n

Tesseract include un'utilit\u00e0 da riga di comando e una libreria libtesseract per integrare le funzionalit\u00e0 di riconoscimento del testo in altre applicazioni. Tra le interfacce GUI di terze parti che supportano Tesseract si annoverano<\/a><\/noindex> gImageReader VietOCR<\/a><\/noindex>, YAGF<\/a><\/noindex> e . Sono disponibili due motori di riconoscimento: il motore classico, che riconosce il testo a livello di modello di singoli caratteri, e il nuovo, basato su un sistema di apprendimento automatico con rete neurale ricorrente LSTM, ottimizzato per il riconoscimento di intere righe e capace di aumentare significativamente la precisione. I modelli gi\u00e0 addestrati sono pubblicati per<\/a><\/noindex>. Sono disponibili due motori di riconoscimento: uno classico, che riconosce il testo a livello di modelli di singoli caratteri, e uno nuovo, che si basa su un sistema di apprendimento automatico con rete neurale ricorrente LSTM, ottimizzato per riconoscere intere linee e consentire un significativo aumento della precisione. I modelli addestrati sono pubblicati per 123 lingue<\/a><\/noindex>. Per ottimizzare le prestazioni, sono disponibili moduli che utilizzano OpenMP e istruzioni SIMD AVX2, AVX o SSE4.1. <\/p>\n

Principali miglioramenti<\/a><\/noindex> in Tesseract 4.1:<\/p>\n