ਟੈਕਸਟ ਰੀਕੋਗਨੀਸ਼ਨ ਸਿਸਟਮ ਟੈਸਰੈਕਟ 5.0 ਦੀ ਰੀਲੀਜ਼

Tesseract 4.1 ਆਪਟੀਕਲ ਟੈਕਸਟ ਪਛਾਣ ਪ੍ਰਣਾਲੀ ਦੀ ਰਿਲੀਜ਼ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਗਈ ਹੈ, ਰੂਸੀ, ਕਜ਼ਾਖ, ਬੇਲਾਰੂਸੀਅਨ ਅਤੇ ਯੂਕਰੇਨੀ ਸਮੇਤ 8 ਤੋਂ ਵੱਧ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ UTF-100 ਅੱਖਰਾਂ ਅਤੇ ਟੈਕਸਟ ਦੀ ਮਾਨਤਾ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ। ਨਤੀਜਾ ਪਲੇਨ ਟੈਕਸਟ ਜਾਂ HTML (hOCR), ALTO (XML), PDF ਅਤੇ TSV ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਸਿਸਟਮ ਅਸਲ ਵਿੱਚ 1985-1995 ਵਿੱਚ ਹੇਵਲੇਟ ਪੈਕਾਰਡ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਬਣਾਇਆ ਗਿਆ ਸੀ; 2005 ਵਿੱਚ, ਕੋਡ ਨੂੰ ਅਪਾਚੇ ਲਾਇਸੰਸ ਦੇ ਤਹਿਤ ਖੋਲ੍ਹਿਆ ਗਿਆ ਸੀ ਅਤੇ ਗੂਗਲ ਕਰਮਚਾਰੀਆਂ ਦੀ ਭਾਗੀਦਾਰੀ ਨਾਲ ਅੱਗੇ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਪ੍ਰੋਜੈਕਟ ਦਾ ਸਰੋਤ ਕੋਡ ਅਪਾਚੇ 2.0 ਲਾਇਸੰਸ ਦੇ ਤਹਿਤ ਵੰਡਿਆ ਗਿਆ ਹੈ।

Tesseract ਵਿੱਚ ਹੋਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ OCR ਕਾਰਜਸ਼ੀਲਤਾ ਨੂੰ ਏਮਬੈਡ ਕਰਨ ਲਈ ਇੱਕ ਕੰਸੋਲ ਉਪਯੋਗਤਾ ਅਤੇ libtesseract ਲਾਇਬ੍ਰੇਰੀ ਸ਼ਾਮਲ ਹੈ। ਤੀਜੀ-ਧਿਰ ਦੇ GUI ਇੰਟਰਫੇਸ ਜੋ Tesseract ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਵਿੱਚ gImageReader, VietOCR ਅਤੇ YAGF ਸ਼ਾਮਲ ਹਨ। ਦੋ ਮਾਨਤਾ ਇੰਜਣਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: ਇੱਕ ਕਲਾਸਿਕ ਜੋ ਵਿਅਕਤੀਗਤ ਅੱਖਰ ਪੈਟਰਨਾਂ ਦੇ ਪੱਧਰ 'ਤੇ ਟੈਕਸਟ ਨੂੰ ਪਛਾਣਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਨਵਾਂ LSTM ਆਵਰਤੀ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ 'ਤੇ ਅਧਾਰਤ, ਸਮੁੱਚੀਆਂ ਤਾਰਾਂ ਨੂੰ ਪਛਾਣਨ ਲਈ ਅਨੁਕੂਲਿਤ ਅਤੇ ਇੱਕ ਲਈ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ. 123 ਭਾਸ਼ਾਵਾਂ ਲਈ ਤਿਆਰ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ ਗਏ ਹਨ। ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ, OpenMP ਅਤੇ SIMD ਨਿਰਦੇਸ਼ AVX2, AVX, NEON ਜਾਂ SSE4.1 ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਮੋਡਿਊਲ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।

Tesseract 5.0 ਵਿੱਚ ਮੁੱਖ ਸੁਧਾਰ:

• Значительное изменение номера версии связано с внесением в API изменений, нарушающих совместимость. В частности, публично доступный API libtesseract больше не привязан к проприетарным типам данных GenericVector и STRING, вместо которых в коде задействованы std::string и std::vector.
• Проведена реорганизация дерева исходных текстов. Публичные заголовочные файлы перемещены в каталог include/tesseract.
• Переработано управление памятью, все вызовы malloc и free заменены на код C++. Проведена общая модернизация кода.
• Добавлены оптимизации для архитектур ARM и ARM64, для ускорения вычислений задействованы инструкции ARM NEON. Проведена общая для всех архитектур оптимизация производительности.
• Реализованы новые режимы тренировки моделей и распознавания текста, основанные на использовании вычислений с плавающей запятой. Новые режимы отличаются более высокой производительностью и снижением потребления памяти. В движке LSTM быстрый режим float32 включён по умолчанию.
• Осуществлён переход на использование нормализации Unicode с использованием формы NFC (Normalization Form Canonical).
• Добавлена опция для настройки детализации логов (—loglevel).
• Переработана система сборки на основе Autotools, которая переведена на сборку в нерекурсивном режиме.
• Ветка «master» в Git переименована в «main».
• Добавлена поддержка новых выпусков macOS и систем Apple на базе чипа M1.
  
  ਸਰੋਤ: opennet.ru