ప్రాజెక్ట్ ఇంగ్లీష్, జర్మన్, ఫ్రెంచ్, జపనీస్, చైనీస్, కొరియన్, ఉజ్బెక్, అజర్‌బైజాన్ మరియు లిథువేనియన్‌లతో సహా 40 కంటే ఎక్కువ భాషలకు మద్దతు ఇచ్చే కొత్త ఆప్టికల్ టెక్స్ట్ రికగ్నిషన్ సిస్టమ్ అభివృద్ధి చేయబడుతోంది. సిరిలిక్ ఆధారిత భాషలకు ఇంకా మద్దతు లేదు, కానీ అవి ప్లాన్‌ల జాబితాకు జోడించబడుతున్నాయి. కోడ్ ఫ్రేమ్‌వర్క్‌ను ఉపయోగించి పైథాన్‌లో వ్రాయబడింది и Apache 2.0 క్రింద లైసెన్స్ పొందింది. లోడ్ చేయడం కోసం లాటిన్ వర్ణమాల మరియు చిత్రలిపి ఆధారంగా భాషల కోసం రెడీమేడ్ నమూనాలు.
చిత్రంలో వచనాన్ని గుర్తించడానికి మరియు గుర్తించడానికి మెషిన్ లెర్నింగ్ పద్ధతులు ఉపయోగించబడతాయి. వచనాన్ని గుర్తించడానికి మెషిన్ లెర్నింగ్ అల్గోరిథం ఉపయోగించబడుతుంది (వచనం కోసం అక్షర-ప్రాంత అవగాహన) లో PyTorch కోసం, లేబుల్‌లు, సమాచార సంకేతాలు మరియు రహదారి సంకేతాలతో సహా ఏకపక్ష వస్తువులపై వచనాన్ని హైలైట్ చేయగల సామర్థ్యం. క్యారెక్టర్ సీక్వెన్స్‌లను గుర్తించడానికి కన్వల్యూషనల్ రిక్యూరెంట్ న్యూరల్ నెట్‌వర్క్ ఉపయోగించబడుతుంది (కన్వల్యూషనల్ రికరెంట్ న్యూరల్ నెట్‌వర్క్, DCNN మరియు RNN కలయిక) మరియు అల్గోరిథం న్యూరల్ నెట్‌వర్క్ అవుట్‌పుట్‌ను టెక్స్ట్ ప్రాతినిధ్యంగా డీకోడ్ చేయడానికి CTC బీమ్‌సెర్చ్ (కనెక్షనిస్ట్ టెంపోరల్ క్లాసిఫికేషన్).
మూలం: opennet.ru