Release van het tekstherkenningssysteem Tesseract 4.1
De release van het optische tekstherkenningssysteem Tesseract 4.1 is voorbereid, dat herkenning van UTF-8-tekens en teksten in meer dan 100 talen ondersteunt, waaronder Russisch, Kazachs, Wit-Russisch en Oekraïens. Het resultaat kan worden opgeslagen als platte tekst, maar ook in HTML-formaten (hOCR), ALTO (XML), PDF en TSV. Het systeem werd oorspronkelijk ontwikkeld tussen 1985 en 1995 in het laboratorium van Hewlett Packard, in […]
