पाठ पहिचान प्रणाली Tesseract 5.0 को रिलीज

Tesseract 4.1 अप्टिकल पाठ पहिचान प्रणालीको रिलीज प्रकाशित गरिएको छ, रूसी, कजाख, बेलारूसी र युक्रेनी सहित 8 भन्दा बढी भाषाहरूमा UTF-100 क्यारेक्टरहरू र पाठहरूको मान्यतालाई समर्थन गर्दै। परिणाम सादा पाठ वा HTML (hOCR), ALTO (XML), PDF र TSV ढाँचाहरूमा बचत गर्न सकिन्छ। प्रणाली मूल रूपमा 1985-1995 मा Hewlett Packard प्रयोगशालामा सिर्जना गरिएको थियो; 2005 मा, कोड Apache लाइसेन्स अन्तर्गत खोलिएको थियो र Google कर्मचारीहरूको सहभागितामा थप विकास गरिएको थियो। परियोजनाको स्रोत कोड Apache 2.0 लाइसेन्स अन्तर्गत वितरण गरिएको छ।

Tesseract ले कन्सोल उपयोगिता र अन्य अनुप्रयोगहरूमा OCR कार्यक्षमता इम्बेड गर्नका लागि libtesseract पुस्तकालय समावेश गर्दछ। Tesseract लाई समर्थन गर्ने तेस्रो-पक्ष GUI इन्टरफेसहरूमा gImageReader, VietOCR र YAGF समावेश छन्। दुई पहिचान इन्जिनहरू प्रस्ताव गरिएका छन्: एक क्लासिक जसले व्यक्तिगत क्यारेक्टर ढाँचाको स्तरमा पाठ पहिचान गर्दछ, र नयाँ LSTM पुनरावर्ती न्यूरल नेटवर्कमा आधारित मेसिन लर्निङ प्रणालीको प्रयोगमा आधारित, सम्पूर्ण स्ट्रिङहरू पहिचान गर्नका लागि अनुकूलित र अनुमति दिन्छ। शुद्धता मा उल्लेखनीय वृद्धि। 123 भाषाहरूको लागि तयार-निर्मित प्रशिक्षित मोडेलहरू प्रकाशित गरिएको छ। कार्यसम्पादनलाई अप्टिमाइज गर्न, OpenMP र SIMD निर्देशनहरू AVX2, AVX, NEON वा SSE4.1 प्रयोग गर्ने मोड्युलहरू प्रस्ताव गरिएका छन्।

Tesseract 5.0 मा प्रमुख सुधारहरू:

• एपिआईमा गरिएका परिवर्तनहरूका कारण संस्करण नम्बरमा महत्त्वपूर्ण परिवर्तन हुन्छ जसले अनुकूलता तोड्छ। विशेष गरी, सार्वजनिक रूपमा उपलब्ध libtesseract API अब मालिकाना GenericVector र STRING डेटा प्रकारहरूमा बाँधिएको छैन, std::string र std::vector को पक्षमा।
• स्रोत पाठ रूख पुन: संगठित गरिएको छ। सार्वजनिक हेडर फाइलहरू समावेश/टेसेरेक्ट डाइरेक्टरीमा सारिएका छन्।
• मेमोरी व्यवस्थापन पुन: डिजाइन गरिएको छ, सबै malloc र नि: शुल्क कलहरू C++ कोडले प्रतिस्थापन गरिएको छ। संहिताको सामान्य आधुनिकीकरण गरिएको छ।
• ARM र ARM64 आर्किटेक्चरहरूको लागि अनुकूलन थपियो; ARM NEON निर्देशनहरू गणनाको गति बढाउन प्रयोग गरिन्छ। सबै आर्किटेक्चरहरूमा सामान्य प्रदर्शन अनुकूलन गरिएको छ।
• फ्लोटिंग बिन्दु गणनाको प्रयोगमा आधारित प्रशिक्षण मोडेलहरू र पाठ पहिचानको लागि नयाँ मोडहरू लागू गरिएको छ। नयाँ मोडहरूले उच्च प्रदर्शन र कम मेमोरी खपत प्रदान गर्दछ। LSTM इन्जिनमा, float32 द्रुत मोड पूर्वनिर्धारित रूपमा सक्षम छ।
• NFC (सामान्यीकरण फारम क्यानोनिकल) फारम प्रयोग गरेर युनिकोड सामान्यीकरण प्रयोग गर्न एक संक्रमण बनाइएको छ।
• लग विवरण कन्फिगर गर्न विकल्प थपियो (--loglevel)।
• Autotools मा आधारित निर्माण प्रणाली पुन: डिजाइन गरिएको छ र गैर-पुनरावर्ती मोडमा निर्माण गर्न स्विच गरिएको छ।
• Git मा "मास्टर" शाखालाई "मुख्य" नामकरण गरिएको छ।
• M1 चिपमा आधारित macOS र Apple प्रणालीहरूको नयाँ रिलीजहरूको लागि समर्थन थपियो।
  
  स्रोत: opennet.ru