ਟੈਕਸਟ ਰੀਕੋਗਨੀਸ਼ਨ ਸਿਸਟਮ ਟੈਸਰੈਕਟ 5.1 ਦੀ ਰੀਲੀਜ਼

Tesseract 5.1 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 включает в себя консольную утилиту и библиотеку libtesseract для встраивания функций распознавания текста в другие приложения. Из поддерживающих Tesseract сторонних GUI-интерфейсов можно отметить gImageReader, VietOCR и YAGF. Предлагается два движка распознавания: классический, распознающий текст на уровне шаблонов отдельных символов, и новый, базирующийся на применении системы машинного обучения на базе рекуррентной нейронной сети LSTM, оптимизированной для распознавания целиком строк и позволяющей добиться существенного увеличения точности. Готовые натренированные модели опубликованы для 123 языков. Для оптимизации производительности предлагаются модули, использующие OpenMP и SIMD-инструкций AVX2, AVX, NEON или SSE4.1.

Основные улучшения в Tesseract 5.1:

• Реализована возможность обработки областей с изображениями и линиями при выводе в форматах ALTO, hOCR и text.
• Добавлен новый параметр curl_timeout lkz curl_easy_setop.
• ਸੁਧਾਰੀ ਬਿਲਡ ਸਿਸਟਮ.
• Проведена работа по удалению неиспользуемого кода
• Устранены сбои, вызванные некорректной обработкой нулевых указателей в классе PageIterator::Orientation.

ਸਰੋਤ: opennet.ru