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

Shpërndarja e sistemit të njohjes së tekstit Tesseract 4.1

I përgatitur shpërndarja e sistemit të njohjes optike të tekstit Tesseract 4.1, e cila mbështet njohjen e simboleve UTF-8 dhe teksteve në më shumë se 100 gjuhë, përfshirë rusishten, kazakishten, bjellorusishten dhe ukrainishten. Rezultati mund të ruhet si tekst i hapur, ashtu edhe në formate HTML (hOCR), ALTO (XML), PDF dhe TSV. Në fillim, sistemi u krijua midis viteve 1985-1995 në laboratorin e kompanisë Hewlett Packard, ndërsa në vitin 2005 kodi u hap nën licencën Apache dhe më pas u zhvillua me pjesëmarrjen e punonjësve të kompanisë Google. Tekstet origjinale të projektit shpërndahen nën licencën Apache 2.0.

Tesseract përfshin një utilit konsolë dhe bibliotekën libtesseract për integrimin e funksioneve të njohjes së tekstit në aplikacione të tjera. Nga GUI-të e mbështetura nga Tesseract, mund të theksojmë gImageReader VietOCR, YAGF dhe YAGF. Ofrohen dy motorë njohjeje: klasik, i cili njeh tekstin në nivelin e të shkruarit të simboleve të veçanta, dhe i ri, i cili bazohet në përdorimin e një sistemi të mësimit të makinerive të bazuar në rrjetin nervor LSTM, i optimizuar për njohjen e rreshtave të tërë dhe që lejon arritjen e një rritjeje të konsiderueshme të saktësisë. Modelet e gatshme të trajnuara janë publikuar për 123 gjuhë. Për optimizimin e performancës, ofrohen module që përdorin OpenMP dhe instrukcione SIMD AVX2, AVX ose SSE4.1.

Ndryshimet kryesore përmirësime në Tesseract 4.1:

  • Shtuar mundĂ«sia e daljes nĂ« formatin XML ALTO (Analizimi i StrukturĂ«s dhe Objektit tĂ« Tekstit). PĂ«r tĂ« pĂ«rdorur kĂ«tĂ« format, duhet tĂ« nisni aplikacionin si «tessaract emri_imazhit katalogu_ daljes alto»;
  • Shtuar module tĂ« reja tĂ« renderimit LSTMBox dhe WordStrBox, qĂ« thjeshtojnĂ« trajnimin e motorit;
  • Shtuar mbĂ«shtetje pĂ«r pseudografikĂ«n nĂ« daljen hOCR (HTML);
  • Shtuar skripta alternative tĂ« shkruara nĂ« Python pĂ«r trajnim tĂ« motorit bazuar nĂ« mĂ«simin e makinerive;
  • Zgjeruar optimizimet duke pĂ«rdorur instrukcione AVX, AVX2 dhe SSE;
  • MbĂ«shtetja OpenMP Ă«shtĂ« e çaktivizuar si parazgjedhje pĂ«r shkak tĂ« problemeve performancĂ«s;
  • NĂ« motorin LSTM Ă«shtĂ« shtuar mbĂ«shtetje pĂ«r listat e bardha dhe tĂ« zeza;
  • JanĂ« pĂ«rmirĂ«suar skenarĂ«t e ndĂ«rtimit tĂ« bazuar nĂ« Cmake.

Burimi: opennet.ru

Bleni hostim tĂ« besueshĂ«m pĂ«r faqe me mbrojtje nga DDoS, serverĂ« VPS VDS đŸ”„ Bleni hostim tĂ« besueshĂ«m pĂ«r faqe me mbrojtje nga DDoS, serverĂ« VPS VDS | ProHoster