Siideynta nidaamka aqoonsiga qoraalka Tesseract 5.1

Siideynta nidaamka aqoonsiga qoraalka indhaha ee Tesseract 5.1 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 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.

Horumarka waaweyn ee 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.
• Nidaam dhis oo la hagaajiyay.
• Проведена работа по удалению неиспользуемого кода
• Устранены сбои, вызванные некорректной обработкой нулевых указателей в классе PageIterator::Orientation.

Source: opennet.ru