ടെക്സ്റ്റ് റെക്കഗ്നിഷൻ സിസ്റ്റത്തിന്റെ പ്രകാശനം Tesseract 4.1

തയ്യാറാക്കിയത് ഒപ്റ്റിക്കൽ ടെക്സ്റ്റ് തിരിച്ചറിയൽ സംവിധാനത്തിന്റെ പ്രകാശനം ടെസറാക്ട് 4.1, റഷ്യൻ, കസാഖ്, ബെലാറഷ്യൻ, ഉക്രേനിയൻ എന്നിവയുൾപ്പെടെ 8-ലധികം ഭാഷകളിലെ UTF-100 പ്രതീകങ്ങളുടെയും ടെക്‌സ്റ്റുകളുടെയും അംഗീകാരത്തെ പിന്തുണയ്ക്കുന്നു. ഫലം പ്ലെയിൻ ടെക്‌സ്‌റ്റിലോ HTML (hOCR), ALTO (XML), PDF, TSV ഫോർമാറ്റുകളിലോ സംരക്ഷിക്കാനാകും. ഈ സിസ്റ്റം യഥാർത്ഥത്തിൽ 1985-1995-ൽ ഹ്യൂലറ്റ് പാക്കാർഡ് ലബോറട്ടറിയിൽ സൃഷ്ടിച്ചതാണ്; 2005-ൽ, അപ്പാച്ചെ ലൈസൻസിന് കീഴിൽ കോഡ് തുറക്കുകയും ഗൂഗിൾ ജീവനക്കാരുടെ പങ്കാളിത്തത്തോടെ കൂടുതൽ വികസിപ്പിച്ചെടുക്കുകയും ചെയ്തു. പ്രോജക്റ്റ് ഉറവിടങ്ങൾ വ്യാപനം അപ്പാച്ചെ 2.0 പ്രകാരം ലൈസൻസ്.

മറ്റ് ആപ്ലിക്കേഷനുകളിലേക്ക് OCR പ്രവർത്തനം ഉൾച്ചേർക്കുന്നതിനുള്ള ഒരു കൺസോൾ യൂട്ടിലിറ്റിയും libtesseract ലൈബ്രറിയും Tesseract-ൽ ഉൾപ്പെടുന്നു. ടെസറാക്ടിനെ പിന്തുണയ്ക്കുന്ന മൂന്നാം കക്ഷികളിൽ നിന്ന് GUI ഇന്റർഫേസുകൾ നിങ്ങൾക്ക് ശ്രദ്ധിക്കാം gImageReader, VietOCR и YAGF. രണ്ട് തിരിച്ചറിയൽ എഞ്ചിനുകൾ വാഗ്ദാനം ചെയ്യുന്നു: വ്യക്തിഗത പ്രതീക പാറ്റേണുകളുടെ തലത്തിൽ ടെക്‌സ്‌റ്റ് തിരിച്ചറിയുന്ന ക്ലാസിക് ഒന്ന്, കൂടാതെ എൽഎസ്‌ടിഎം ആവർത്തിച്ചുള്ള ന്യൂറൽ നെറ്റ്‌വർക്കിനെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു മെഷീൻ ലേണിംഗ് സിസ്റ്റത്തിന്റെ ഉപയോഗത്തെ അടിസ്ഥാനമാക്കിയുള്ള പുതിയത്, മുഴുവൻ സ്‌ട്രിംഗുകളും തിരിച്ചറിയുന്നതിനും അനുവദിക്കുന്നതിനും ഒപ്റ്റിമൈസ് ചെയ്‌തിരിക്കുന്നു. കൃത്യതയിൽ ഗണ്യമായ വർദ്ധനവ്. ഇതിനായി റെഡിമെയ്ഡ് പരിശീലനം ലഭിച്ച മോഡലുകൾ പ്രസിദ്ധീകരിക്കുന്നു 123 ഭാഷകൾ. പ്രകടനം ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിന്, OpenMP, AVX2, AVX അല്ലെങ്കിൽ SSE4.1 SIMD നിർദ്ദേശങ്ങൾ ഉപയോഗിക്കുന്ന മൊഡ്യൂളുകൾ വാഗ്ദാനം ചെയ്യുന്നു.

പ്രധാന മെച്ചപ്പെടുത്തൽ ടെസറാക്ട് 4.1 ൽ:

• XML ഫോർമാറ്റിൽ ഔട്ട്പുട്ട് ചെയ്യാനുള്ള കഴിവ് ചേർത്തു ALTO (വിശകലനം ചെയ്ത ലേഔട്ടും ടെക്സ്റ്റ് ഒബ്ജക്റ്റും). ഈ ഫോർമാറ്റ് ഉപയോഗിക്കുന്നതിന്, നിങ്ങൾ ആപ്ലിക്കേഷൻ "tessaract image_name alto output_dir" ആയി റൺ ചെയ്യണം;
• പുതിയ റെൻഡറിംഗ് മൊഡ്യൂളുകൾ LSTMBox, WordStrBox എന്നിവ ചേർത്തു, എഞ്ചിൻ പരിശീലനം ലളിതമാക്കുന്നു;
• hOCR (HTML) ഔട്ട്‌പുട്ടിൽ സ്യൂഡോഗ്രാഫിക്സിനുള്ള പിന്തുണ ചേർത്തു;
• മെഷീൻ ലേണിംഗിനെ അടിസ്ഥാനമാക്കി എഞ്ചിനെ പരിശീലിപ്പിക്കുന്നതിനായി പൈത്തണിൽ എഴുതിയ ഇതര സ്ക്രിപ്റ്റുകൾ ചേർത്തു;
• AVX, AVX2, SSE നിർദ്ദേശങ്ങൾ ഉപയോഗിച്ച് വിപുലീകരിച്ച ഒപ്റ്റിമൈസേഷനുകൾ;
• കാരണം ഡിഫോൾട്ടായി OpenMP പിന്തുണ പ്രവർത്തനരഹിതമാക്കിയിരിക്കുന്നു പ്രശ്നങ്ങൾ ഉൽപ്പാദനക്ഷമതയോടെ;
• LSTM എഞ്ചിനിലെ വെള്ള, കറുപ്പ് ലിസ്റ്റുകൾക്കുള്ള പിന്തുണ ചേർത്തു;
• Cmake അടിസ്ഥാനമാക്കിയുള്ള മെച്ചപ്പെടുത്തിയ ബിൽഡ് സ്ക്രിപ്റ്റുകൾ.

അവലംബം: opennet.ru