{"id":103459,"date":"2022-03-02T09:36:50","date_gmt":"2022-03-02T07:36:50","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1"},"modified":"2022-03-02T09:36:50","modified_gmt":"2022-03-02T07:36:50","slug":"reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-1","title":{"rendered":"Utgivning av textigenk\u00e4nningssystemet Tesseract 5.1","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Version 5.1 av Tesseract, ett system f\u00f6r optisk teckenigenk\u00e4nning, har publicerats. Det st\u00f6der igenk\u00e4nning av UTF-8-tecken och texter p\u00e5 \u00f6ver 100 spr\u00e5k, inklusive ryska, kazakiska, vitryska och ukrainska. Resultatet kan b\u00e5de sparas som ren text och i formaten HTML (hOCR), ALTO (XML), PDF och TSV. Systemet skapades ursprungligen mellan 1985 och 1995 p\u00e5 Hewlett Packard-laboratoriet, koden \u00f6ppnades under Apache-licens 2005 och har sedan dess utvecklats med hj\u00e4lp av anst\u00e4llda p\u00e5 Google. Projektets k\u00e4llkoder sprids under Apache 2.0-licensen. <\/p>\n
Tesseract inkluderar en kommandoradsverktyg och libtesseract-biblioteket f\u00f6r att integrera textigenk\u00e4nningsfunktioner i andra applikationer. Bland de tredjeparts-GUI:er som st\u00f6djer Tesseract finns gImageReader, VietOCR och YAGF. Tv\u00e5 igenk\u00e4nningsmotorer erbjuds: en klassisk motor som k\u00e4nner igen text p\u00e5 symbolniv\u00e5 och en ny som bygger p\u00e5 maskininl\u00e4rning med hj\u00e4lp av en rekursiv neuronm\u00e4rrn\u00e4tverk (LSTM), optimerad f\u00f6r att k\u00e4nna igen hela rader och m\u00f6jligg\u00f6r en betydande \u00f6kning av noggrannheten. F\u00e4rdiga tr\u00e4nade modeller har publicerats f\u00f6r 123 spr\u00e5k. F\u00f6r att optimera prestandan erbjuds moduler som anv\u00e4nder OpenMP och SIMD-instruktioner AVX2, AVX, NEON eller SSE4.1. <\/p>\n
De huvudsakliga f\u00f6rb\u00e4ttringarna i Tesseract 5.1: <\/p>\n
\n
M\u00f6jligheten att bearbeta omr\u00e5den med bilder och linjer har implementerats vid export i formaten ALTO, hOCR och text.\n
En ny parameter curl_timeout har lagts till curl_easy_setop.\n
Byggsystemet har f\u00f6rb\u00e4ttrats.\n
Arbetet med att ta bort oanv\u00e4nd kod har genomf\u00f6rts.\n
Krascher orsakade av felaktig hantering av nullpekare i klassen PageIterator::Orientation har \u00e5tg\u00e4rdats. <\/ul>\n