ਟੈਕਸਟ ਰੀਕੋਗਨੀਸ਼ਨ ਸਿਸਟਮ ਟੈਸਰੈਕਟ 5.2 ਦੀ ਰੀਲੀਜ਼

Tesseract 5.2 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, AVX512F, NEON ਜਾਂ SSE4.1 ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਮੋਡਿਊਲ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।

Tesseract 5.2 ਵਿੱਚ ਮੁੱਖ ਸੁਧਾਰ:

• Intel AVX512F ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਲਾਗੂ ਕੀਤੇ ਗਏ ਅਨੁਕੂਲਨ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਹਨ।
• C API ਮੈਮੋਰੀ ਤੋਂ ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਲੋਡ ਕਰਕੇ ਟੈਸਰੈਕਟ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਇੱਕ ਫੰਕਸ਼ਨ ਲਾਗੂ ਕਰਦਾ ਹੈ।
• invert_threshold ਪੈਰਾਮੀਟਰ ਜੋੜਿਆ ਗਿਆ ਹੈ, ਜੋ ਟੈਕਸਟ ਸਟ੍ਰਿੰਗ ਇਨਵਰਸ਼ਨ ਦੇ ਪੱਧਰ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। ਡਿਫੌਲਟ ਮੁੱਲ 0.7 ਹੈ। ਇਨਵਰਸ਼ਨ ਨੂੰ ਅਯੋਗ ਕਰਨ ਲਈ, ਮੁੱਲ ਨੂੰ 0 'ਤੇ ਸੈੱਟ ਕਰੋ।
• 32-ਬਿੱਟ ਹੋਸਟਾਂ 'ਤੇ ਬਹੁਤ ਵੱਡੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਇਆ ਗਿਆ ਹੈ।
• std::regex ਫੰਕਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਤੋਂ std::string ਵਿੱਚ ਤਬਦੀਲੀ ਕੀਤੀ ਗਈ ਹੈ।
• ਆਟੋਟੂਲਜ਼, ਸੀਮੇਕ, ਅਤੇ ਨਿਰੰਤਰ ਏਕੀਕਰਨ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਬਿਹਤਰ ਬਿਲਡ ਸਕ੍ਰਿਪਟਾਂ।

  ਸਰੋਤ: opennet.ru