Projekt sa vyvíja nový systém optického rozpoznávania textu, ktorý podporuje viac ako 40 jazykov, vrátane angličtiny, nemčiny, francúzštiny, japončiny, čínštiny, kórejčiny, uzbečtiny, azerbajdžančiny a litovčiny. Jazyky na báze cyrilice zatiaľ nie sú podporované, ale ich pridanie je v pláne. Kód je napísaný v Pythone s využitím rámca a pod licenciou Apache 2.0. Pre stiahnutie hotové modely pre jazyky na báze latinskej abecedy a hieroglyfov.
Na identifikáciu a rozpoznávanie textu na obrázku sa používajú metódy strojového učenia. Na určenie textu sa používa algortimus strojového učenia (Character-Region Awareness For Text) v pre PyTorch, schopný rozlíšiť text na rôznych objektoch, vrátane etikiet, informačných tabuliek a dopravných značiek. Na rozpoznávanie sekvencií znakov sa používa konvolučne-rekuretná neurónová sieť (Convolutional Recurrent Neural Network, kombinácia DCNN a RNN) a algoritmus CTC BeamSearch (Connectionist Temporal Classification) na dekódovanie výstupných údajov neurónovej siete do textového formátu.
Zdroj: opennet.ru
