{"id":120548,"date":"2024-11-11T07:09:08","date_gmt":"2024-11-11T05:09:08","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0"},"modified":"2024-11-11T07:09:08","modified_gmt":"2024-11-11T05:09:08","slug":"reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/nl\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-5-0","title":{"rendered":"De release van het tekstherkenningssysteem Tesseract 5.5.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
De release van het optische tekenherkenningssysteem Tesseract 5.5.0 is gepubliceerd, dat Unicode ondersteunt en teksten in meer dan 100 talen kan herkennen, waaronder Russisch, Kazachs, Wit-Russisch en Oekra\u00efens. Het resultaat kan worden opgeslagen als platte tekst, evenals in HTML-indelingen (hOCR), ALTO (XML), PDF en TSV. Het systeem werd oorspronkelijk ontwikkeld in de jaren 1985-1995 in het laboratorium van Hewlett Packard. In 2005 werd de code open source onder de Apache-licentie en werd het verder ontwikkeld met de medewerking van medewerkers van Google. De originele projectbestanden worden verspreid onder de Apache 2.0-licentie. <\/p>\n
Tesseract bevat een consoleprogramma en de bibliotheek libtesseract om tekstherkenningsfuncties in andere toepassingen in te voegen. Enkele van de ondersteunende Tesseract GUI-interfaces zijn gImageReader, VietOCR en YAGF. Er worden twee herkenningsmotoren aangeboden: de klassieke, die teksten herkent op basis van sjablonen van afzonderlijke tekens, en de nieuwe, die is gebaseerd op een machine learning-systeem met een recurrent neuraal netwerk (LSTM), geoptimaliseerd voor het herkennen van hele regels en die aanzienlijke verbeteringen in nauwkeurigheid oplevert. Voor 123 talen zijn kant-en-klare getrainde modellen gepubliceerd. Voor prestatie-optimalisatie zijn modules beschikbaar die OpenMP en SIMD-instructies AVX2, AVX, AVX512F, NEON of SSE4.1 gebruiken. <\/p>\n
Hoofdverbeteringen: <\/p>\n
\n
Ondersteuning voor de RISC-V V vectoruitbreidingen is toegevoegd, waarvoor assembleroptimalisaties zijn voorbereid voor systemen met RISC-V-processoren.\n
Bij het opslaan van het resultaat in hOCR-indeling is het mogelijk om de parameters ocrp_dir en ocrp_lang in het gemaakte bestand aan te geven.\n
De code is gemoderniseerd om beschikbare taalmiddelen te identificeren.\n
De code voor het genereren van bestanden in hOCR-indeling is verbeterd en de naamsconversie van bestanden op Windows is verwijderd.\n
Het is toegestaan om tekenwaarden op te geven in de opties «—oem» en «—psm».\n
In de code zijn de functies access en _access vervangen door de methode std::filesystem::exists(). De functies tprintf zijn vervangen door het gebruik van de tesserr-stroom.\n
De ondersteuning voor het machine learning-platform Tensorflow is verwijderd, dat eerder was ge\u00efmplementeerd, maar nooit was ingezet voor het uitvoeren van AI-modellen voor herkenning.\n
De installer voor het Windows-platform is verbeterd.\n
De submodule googletest is bijgewerkt naar versie 1.15.2. <\/ul>\n