ProHoster > Blog > Lajmet e internetit > Lëshimi i sistemit të njohjes së tekstit Tesseract 5.0

Lëshimi i sistemit të njohjes së tekstit Tesseract 5.0

ËshtĂ« publikuar versioni 4.1 i sistemit tĂ« njohjes optike tĂ« tekstit Tesseract, i cili mbĂ«shtet njohjen e karaktereve UTF-8 dhe tĂ« teksteve nĂ« mĂ« shumĂ« se 100 gjuhĂ«, pĂ«rfshirĂ« rusishten, kazakishten, bjellorusishten dhe ukrainishten. Rezultati mund tĂ« ruhet si tekst i thjeshtĂ«, ashtu edhe nĂ« formatet HTML (hOCR), ALTO (XML), PDF dhe TSV. Fillimisht, sistemi u krijua nĂ« vitet 1985-1995 nĂ« laboratorin e Hewlett Packard; nĂ« vitin 2005, kodi u hap nĂ«n licencĂ«n Apache dhe mĂ« pas u zhvillua me pjesĂ«marrjen e punonjĂ«sve tĂ« Google. Kodet burimore tĂ« projektit shpĂ«rndahen nĂ«n licencĂ«n Apache 2.0.

Tesseract përfshin një mjet konzole dhe bibliotekën libtesseract për integrimin e funksioneve të njohjes së tekstit në aplikacione të tjera. Ndër ndërfaqet GUI të palëve të treta që mbështesin Tesseract mund të veçohen gImageReader, VietOCR dhe YAGF. Ofrohen dy motorë njohjeje: ai klasik, që njeh tekstin në nivelin e modeleve të karaktereve individuale, dhe një i ri, i bazuar në përdorimin e një sistemi të mësimit makinerik me rrjet nervor rekurent LSTM, i optimizuar për njohjen e rreshtave të plotë dhe që mundëson rritje të ndjeshme të saktësisë. Janë publikuar modele të gatshme të trajnuara për 123 gjuhë. Për optimizimin e performancës ofrohen module që përdorin OpenMP dhe instruksionet SIMD AVX2, AVX, NEON ose SSE4.1.

Përmirësimet kryesore në Tesseract 5.0:

  • Ndryshimi i ndjeshĂ«m i numrit tĂ« versionit lidhet me futjen e ndryshimeve nĂ« API qĂ« cenojnĂ« pĂ«rputhshmĂ«rinĂ«. NĂ« veçanti, API publike e libtesseract nuk Ă«shtĂ« mĂ« e lidhur me llojet pronĂ«sore tĂ« tĂ« dhĂ«nave GenericVector dhe STRING, tĂ« cilat nĂ« kod janĂ« zĂ«vendĂ«suar me std::string dhe std::vector.
  • ËshtĂ« riorganizuar pema e kodeve burimore. SkedarĂ«t publikĂ« tĂ« header-it janĂ« zhvendosur nĂ« direktorinĂ« include/tesseract.
  • ËshtĂ« ripunuar menaxhimi i memories; tĂ« gjitha thirrjet malloc dhe free janĂ« zĂ«vendĂ«suar me kod C++. ËshtĂ« kryer njĂ« modernizim i pĂ«rgjithshĂ«m i kodit.
  • JanĂ« shtuar optimizime pĂ«r arkitekturat ARM dhe ARM64; pĂ«r pĂ«rshpejtimin e llogaritjeve pĂ«rdoren instruksionet ARM NEON. ËshtĂ« kryer njĂ« optimizim i pĂ«rgjithshĂ«m i performancĂ«s pĂ«r tĂ« gjitha arkitekturat.
  • JanĂ« zbatuar mĂ«nyra tĂ« reja pĂ«r trajnimin e modeleve dhe njohjen e tekstit, tĂ« bazuara nĂ« pĂ«rdorimin e llogaritjeve me presje lĂ«vizĂ«se. KĂ«to mĂ«nyra tĂ« reja ofrojnĂ« performancĂ« mĂ« tĂ« lartĂ« dhe konsum mĂ« tĂ« ulĂ«t tĂ« memories. NĂ« motorin LSTM, mĂ«nyra e shpejtĂ« float32 Ă«shtĂ« e aktivizuar si parazgjedhje.
  • ËshtĂ« kryer kalimi nĂ« pĂ«rdorimin e normalizimit Unicode me formĂ«n NFC (Normalization Form Canonical).
  • ËshtĂ« shtuar njĂ« opsion pĂ«r konfigurimin e nivelit tĂ« detajimit tĂ« logeve (—loglevel).
  • Sistemi i build-it i bazuar nĂ« Autotools Ă«shtĂ« ripunuar dhe Ă«shtĂ« kaluar nĂ« build jo-rekursiv.
  • Dega «master» nĂ« Git Ă«shtĂ« riemĂ«rtuar nĂ« «main».
  • ËshtĂ« shtuar mbĂ«shtetja pĂ«r versionet e reja tĂ« macOS dhe pĂ«r sistemet Apple tĂ« bazuara nĂ« çipin M1.

    Burimi: opennet.ru
Blini hosting tĂ« besueshĂ«m pĂ«r faqe interneti me mbrojtje nga DDoS, serverĂ« VPS VDS đŸ”„ Blini hosting tĂ« besueshĂ«m pĂ«r faqe interneti me mbrojtje nga DDoS, serverĂ« VPS VDS | ProHoster