{"id":104616,"date":"2022-07-07T21:37:10","date_gmt":"2022-07-07T19:37:10","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-2"},"modified":"2022-07-07T21:37:10","modified_gmt":"2022-07-07T19:37:10","slug":"reliz-sistemy-raspoznavaniya-teksta-tesseract-5-2","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/news\/reliz-sistemy-raspoznavaniya-teksta-tesseract-5-2","title":{"rendered":"Release av textsavssystemet Tesseract 5.2","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Tesseract 5.2 \u00e4r nu lanserad, med st\u00f6d f\u00f6r UTF-8 teckenigenk\u00e4nning och texter p\u00e5 \u00f6ver 100 spr\u00e5k, inklusive ryska, kazakiska, belarusiska och ukrainska. Resultatet kan sparas som vanlig text eller i formaten HTML (hOCR), ALTO (XML), PDF och TSV. Systemet skapades ursprungligen mellan 1985 och 1995 p\u00e5 Hewlett Packards laboratorium, kod \u00f6ppnades 2005 under Apache-licens och har sedan dess utvecklats med deltagande fr\u00e5n Google-anst\u00e4llda. Projektets k\u00e4llkod sprids under Apache 2.0-licensen. <\/p>\n
Tesseract inkluderar ett kommandoradsverktyg och biblioteket libtesseract f\u00f6r att inf\u00f6rliva textigenk\u00e4nningsfunktioner i andra applikationer. Bland de tredjeparts GUI-gr\u00e4nssnitt som st\u00f6der Tesseract kan gImageReader, VietOCR och YAGF n\u00e4mnas. Tv\u00e5 igenk\u00e4nning motorer erbjuds: en klassisk som k\u00e4nner igen text p\u00e5 teckenniv\u00e5 och en ny som baseras p\u00e5 maskininl\u00e4rning med en rekurrent neural n\u00e4tverksmodell (LSTM), optimerad f\u00f6r att k\u00e4nna igen hela rader och m\u00f6jligg\u00f6r en betydande \u00f6kning av noggrannheten. Tr\u00e4nade modeller publiceras f\u00f6r 123 spr\u00e5k. F\u00f6r att optimera prestanda erbjuds moduler som anv\u00e4nder OpenMP och SIMD-instruktionerna AVX2, AVX, AVX512F, NEON eller SSE4.1. <\/p>\n
Huvudsakliga f\u00f6rb\u00e4ttringar i Tesseract 5.2: <\/p>\n
\n
Optimiseringar som implementerats med Intel AVX512F-instruktioner har lagts till.\n
I C API har en funktion implementerats f\u00f6r att initiera Tesseract med inl\u00e4sning av maskininl\u00e4rningsmodellen fr\u00e5n minnet.\n
En parameter, invert_threshold, har lagts till som best\u00e4mmer niv\u00e5n f\u00f6r invertering av textstr\u00e4ngar. Standardv\u00e4rdet \u00e4r 0,7. F\u00f6r att st\u00e4nga av inverteringen ska v\u00e4rdet s\u00e4ttas till 0.\n
Bearbetningen av mycket stora dokument p\u00e5 32-bitars v\u00e4rdar har f\u00f6rb\u00e4ttrats.\n
\u00d6verg\u00e5ng fr\u00e5n anv\u00e4ndning av std::regex till std::string har genomf\u00f6rts.\n
Byggscenarier f\u00f6r Autotools, CMake och kontinuerlig integrationssystem har f\u00f6rb\u00e4ttrats. <\/p>\n