ProHoster > Blog > Lajmet e internetit > Lëshimi i sistemit të njohjes së tekstit Tesseract 4.1

Lëshimi i sistemit të njohjes së tekstit Tesseract 4.1

Përgatitur lëshimi i sistemit të njohjes optike të tekstit Tesseract 4.1, mbështet njohjen e simboleve UTF-8 dhe teksteve në më shumë se 100 gjuhë, duke përfshirë rusishten, kazakishten, bjellorusishten dhe ukrainishten. Rezultati mund të ruhet si tekst i hapur, ashtu edhe në formatet HTML (hOCR), ALTO (XML), PDF dhe TSV. Fillimisht, sistemi u krijua në vitet 1985-1995 në laboratorin e kompanisë Hewlett Packard, në vitin 2005 kodi u hap nën licencën Apache dhe më vonë u zhvillua me pjesëmarrjen e punonjësve të kompanisë Google. Tekstet burimore të projektit distribuohen nën licencën Apache 2.0.

Tesseract përfshin një utilitar konsolë dhe bibliotekën libtesseract për integrimin e funksioneve të njohjes së tekstit në aplikacione të tjera. Nga mbështetësit e Tesseract të tretë interfesh GUI about:support gImageReader, VietOCR dhe YAGF. Dy motorë njohës ofrohen: ai klasik, që njeh tekstin në nivelin e modele të simboleve të veçanta, dhe ai i ri, i bazuar në aplikimin e sistemit të mësimit makine duke përdorur një rrjet të neuralit LSTM, i optimizuar për njohjen e rreshtave të tërë dhe që lejon një rritje të konsiderueshme të saktësisë. Modelet e trajnuara tashmë janë publikuar për 123 gjuhë. Për optimizimin e performancës ofrohen module që përdorin OpenMP dhe instrukcionet SIMD AVX2, AVX ose SSE4.1.

Main përmirësime në Tesseract 4.1:

  • Shtuar mundĂ«sia e daljes nĂ« formatin XML ALTO (Analizimi i SkemĂ«s dhe Objekti i Tekstit). PĂ«r tĂ« pĂ«rdorur kĂ«tĂ« format, duhet tĂ« nisni aplikacionin si «tesseract emri_i_imazhit katalogu_i_daljes alto»;
  • Shtuar module tĂ« reja renderimi LSTMBox dhe WordStrBox, qĂ« lehtĂ«sojnĂ« trajnimet e motorit;
  • Shtuar mbĂ«shtetje pĂ«r grafikĂ«n pseudografike nĂ« daljen hOCR (HTML);
  • Shtuar skript alternativa tĂ« shkruara nĂ« gjuhĂ«n Python pĂ«r trajnimin e motorit mbi bazĂ«n e mĂ«simit makine;
  • Zgjeruar optimizimet duke pĂ«rdorur instrukcionet AVX, AVX2 dhe SSE;
  • PĂ«rdefault, mbĂ«shtetja pĂ«r OpenMP Ă«shtĂ« çaktivizuar pĂ«r shkak tĂ« problemi performancĂ«s;
  • NĂ« motorin LSTM Ă«shtĂ« shtuar mbĂ«shtetje pĂ«r lista tĂ« bardha dhe tĂ« zeza;
  • SkenarĂ«t e ndĂ«rtimit tĂ« pĂ«rmirĂ«suar duke pĂ«rdorur Cmake.

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