ProHoster >> Blog >> Lajmet e internetit >> Lëshimi i sistemit të njohjes së tekstit Tesseract 5.5.0

Lëshimi i sistemit të njohjes së tekstit Tesseract 5.5.0

ËshtĂ« publikuar versioni i sistemit tĂ« njohjes optike tĂ« tekstit Tesseract 5.5.0, qĂ« mbĂ«shtet Unicode dhe njohjen e teksteve nĂ« mĂ« shumĂ« se 100 gjuhĂ«, pĂ«rfshirĂ« rusishten, kazakishten, bjellorusishten dhe ukrainishten. Rezultati mund tĂ« ruhet si tekst i hapur, ashtu edhe nĂ« formate HTML (hOCR), ALTO (XML), PDF dhe TSV. Fillimisht, sistemi u krijua nĂ« vitet 1985-1995 nĂ« laboratorin e kompanisĂ« 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« kompanisĂ« Google. Tekstet burimore tĂ« projektit shpĂ«rndahen nĂ«n licencĂ«n Apache 2.0.

Tesseract përfshin një utilitar konsolë dhe bibliotekën libtesseract për integrimin e funksioneve të njohjes së tekstit në aplikacione të tjera. Nga ndërfaqet GUI të tretë që mbështesin Tesseract, mund të përmendim gImageReader, VietOCR dhe YAGF. Ofrohen dy motorë njohjeje: klasi, që njoh tekstin në nivelin e shablloneve të simbolit, dhe i ri, i bazuar në përdorimin e sistemit të mësimit të makinerisë me rrjete nervore rekurente LSTM, i optimizuar për njohjen e linjave të plota dhe që lejon një rritje të rëndësishme të saktësisë. Modelet e trajnuara kanë qenë të publikuara për 123 gjuhë. Për optimizimin e performancës propozohen module që përdorin OpenMP dhe instruksione SIMD AVX2, AVX, AVX512F, NEON ose SSE4.1.

Përmirësimet kryesore:

  • MbĂ«shtetja pĂ«r zgjerimet vektoriale RISC-V V Ă«shtĂ« shtuar, mbi tĂ« cilat janĂ« pĂ«rgatitur optimizimet e assembler-it pĂ«r sistemet me procesorĂ« RISC-V.
  • PĂ«r kur tĂ« shkruhet rezultati nĂ« formatin hOCR, Ă«shtĂ« siguruar vendosja nĂ« skedarin qĂ« krijohet tĂ« parametrave ocrp_dir dhe ocrp_lang.
  • Kodi Ă«shtĂ« modernizuar pĂ«r tĂ« pĂ«rcaktuar modelet gjuhĂ«sore tĂ« disponueshme.
  • Kodi Ă«shtĂ« pĂ«rmirĂ«suar pĂ«r tĂ« formuar skedarĂ«t nĂ« formatin hOCR dhe Ă«shtĂ« eliminuar ndryshimi i emrave tĂ« skedarĂ«ve nĂ« platformĂ«n Windows.
  • Lejohet pĂ«rcaktimi i vlerave simbolike nĂ« opsionet «—oem» dhe «—psm».
  • NĂ« kod Ă«shtĂ« bĂ«rĂ« zĂ«vendĂ«simi i funksioneve access dhe _access me metodĂ«n std::filesystem::exists(). Funksionet tprintf janĂ« zĂ«vendĂ«suar me pĂ«rdorimin e rrjedhĂ«s tesserr.
  • MbĂ«shtetja pĂ«r platformĂ«n e mĂ«simit tĂ« makinerisĂ« Tensorflow Ă«shtĂ« fshirĂ«, e cila njĂ« herĂ« ishte implementuar, por nuk ishte pĂ«rdorur pĂ«r realizimin e modeleve AI tĂ« njohjes.
  • Installer-i pĂ«r platformĂ«n Windows Ă«shtĂ« pĂ«rmirĂ«suar.
  • Sublmoduli googletest Ă«shtĂ« azhurnuar nĂ« versionin 1.15.2.

Burimi: opennet.ru

Bli njĂ« hosting tĂ« besueshĂ«m pĂ«r faqet me mbrojtje DDoS, VPS VDS serverĂ« đŸ”„ Bli njĂ« hosting tĂ« besueshĂ«m pĂ«r faqet me mbrojtje DDoS, VPS VDS serverĂ« | ProHoster