Siideynta nidaamka aqoonsiga qoraalka Tesseract 5.0

Siideynta nidaamka aqoonsiga qoraalka indhaha ee Tesseract 4.1 ayaa la daabacay, isagoo taageeraya aqoonsiga UTF-8 xarfaha iyo qoraallada in ka badan 100 luqadood, oo ay ku jiraan Ruush, Kazakh, Belarusian iyo Yukreeniyaan. Natiijadu waxay ku kaydsan kartaa qoraal cad ama HTML (hOCR), ALTO (XML), PDF iyo qaababka TSV. Nidaamka waxaa markii hore la abuuray 1985-1995 shaybaarka Hewlett Packard; 2005, koodka waxaa lagu furay shatiga Apache waxaana sii kordhay iyada oo ay ka qayb qaadanayaan shaqaalaha Google. Koodhka isha ee mashruuca waxaa lagu qaybiyaa shatiga Apache 2.0.

Tesseract waxaa ku jira utility console iyo maktabadda libteseract si loogu dhejiyo shaqeynta OCR ee codsiyada kale. Isku xirka GUI-ga saddexaad ee taageera Tesseract waxaa ka mid ah gImageReader, VietOCR iyo YAGF. Laba matoorada aqoonsiga ayaa la bixiyaa: mid classic ah oo aqoonsanaya qoraalka heerka qaababka dabeecadaha shakhsi ahaaneed, iyo mid cusub oo ku salaysan isticmaalka nidaamka barashada mashiinka oo ku salaysan shabakada neerfaha ee soo noqnoqda ee LSTM, oo loo habeeyay aqoonsiga xargaha oo dhan iyo oggolaanshaha a koror weyn oo sax ah. Moodooyinka tababbaran ee diyaarsan ayaa lagu daabacay 123 luqadood. Si kor loogu qaado waxqabadka, modules isticmaalaya OpenMP iyo tilmaamaha SIMD AVX2, AVX, NEON ama SSE4.1 ayaa la bixiyaa.

Horumarka waaweyn ee Tesseract 5.0:

• 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.
  
  Source: opennet.ru