fa'amatu'u ole faiga e iloa ai tusitusiga , lagolagoina le amanaiaina o UTF-8 mataitusi ma tusitusiga i le silia ma le 100 gagana, e aofia ai Rusia, Kazakh, Belarusian ma Ukrainian. E mafai ona fa'asaoina le fa'ai'uga i tusitusiga manino po'o le HTML (hOCR), ALTO (XML), PDF ma TSV formats. O le faiga na muai faia i le 1985-1995 i le falesuesue a Hewlett Packard; i le 2005, na tatalaina ai le code i lalo o le laisene Apache ma sa faʻalauteleina atili ma le auai o tagata faigaluega Google. Punaoa o poloketi laiseneina i lalo ole Apache 2.0.
Tesseract e aofia ai se faʻaoga faʻamafanafana ma le faletusi libtesseract mo le faʻapipiʻiina o galuega a le OCR i isi tusi talosaga. Mai isi vaega e lagolagoina Tesseract e mafai ona e matauina , и . E lua masini fa'ailoa e ofoina atu: o se mea masani e iloa ai tusitusiga i le tulaga o fa'ata'ita'iga o tagata ta'ito'atasi, ma se mea fou e fa'avae i luga o le fa'aogaina o se masini a'oa'oga fa'avae i luga o le LSTM recurrent neural network, optimized mo le iloaina o manoa atoa ma fa'atagaina mo se matua faateleina i le sa'o. Ua lomia fa'ata'ita'iga a'oa'oina ua saunia mo . Ina ia faʻamalieina le faʻatinoga, o faʻaoga e faʻaaoga ai OpenMP ma AVX2, AVX poʻo SSE4.1 faʻatonuga SIMD e ofoina atu.
tele i Tesseract 4.1:
- Faʻaopoopo le gafatia e faʻaalia i le XML format (Alyzed Layout and Text Object). Mo le faʻaogaina o lenei faatulagaga, e tatau ona e faʻaogaina le talosaga e pei o le "tessarac image_name alto output_dir";
- Faʻaopoopoina faʻaoga fou faʻaogaina LSTMBox ma WordStrBox, faʻafaigofie aʻoaʻoga afi;
- Faʻaopoopoina le lagolago mo faʻataʻitaʻiga i le hOCR (HTML) galuega;
- Faʻaopoopo isi tusitusiga na tusia i le Python mo le aʻoaʻoina o le afi e faʻavae i luga ole aʻoaʻoga masini;
- Fa'ateleina fa'atonuga e fa'aaoga ai fa'atonuga AVX, AVX2 ma SSE;
- OpenMP lagolago ua le atoatoa ona o le faaletonu ona o ma le gaosiga;
- Faʻaopoopo le lagolago mo lisi paʻepaʻe ma uliuli i le afi LSTM;
- Fa'aleleia tusitusiga fa'avae ile Cmake.
puna: opennet.ru