Исходное сообщение
"Релиз системы распознавания текста Tesseract 4.0" Отправлено opennews, 01-Ноя-18 00:15
Опубликован (https://groups.google.com/forum/#!topic/tesseract-ocr/DgJDXg... релиз системы оптического распознавания текста Tesseract 4.0 (https://github.com/tesseract-ocr/tesseract/), поддерживающей распознавания документов на более чем 100 языках, включая русский, казахский, белорусский  и украинский. Результат может сохраняться как открытым текстом, так и в форматах HTML, PDF и TSV. Изначально система была создана в 1985-1995 годы в лаборатории компании Hewlett Packard, в 2005 году код был открыт под лицензией Apache и в дальнейшем развивался при участии работников компании Google. Исходные тексты  проекта распространяются (https://github.com/tesseract-ocr/tesseract) под лицензий Apache 2.0. Основные улучшения (https://github.com/tesseract-ocr/tesseract/wiki/ReleaseNotes... в Tesseract 4.0: -  Новый движок распознавания, базирующийся на применении системы машинного обучения на базе рекуррентной нейронной сети LSTM (https://ru.wikipedia.org/wiki/%D0%94%D0%... оптимизированной для распознавания целиком строк и позволяющей добиться существенного увеличения точности. Старый движок, распознающий текст на уровне шаблонов отдельных символов, продолжает поставляться в качестве опции. Альтернативный движок Cube удалён из кодовой базы; -  Добавлены сопутствующие новому OCR-движку утилиты для тренировки модели машинного обучения. Готовые натренированные модели опубликованы для 123 языков (https://github.com/tesseract-ocr/tesseract/wiki/Data-Files#u... -  Для нового движка распознавания подготовлены модули для оптимизации производительности при помощи OpenMP и SIMD-инструкций AVX2, AVX  или SSE4.1; -  Осуществлён переход к нумерации версий в соответствии со спецификацией "Cемантическое версионирование (https://semver.org/)", подразумевающей использование нотации X.Y.Z (вместо ранее используемой W.X.Y.Z), в которой X меняется при внесении изменений, нарушающих обратную совместимость, Y меняется при расширении функциональности и Z при исправлении ошибок. -  Обновлена сборочная система. Для сборки теперь требуется компилятор с поддержкой C++ 11. Добавлены unit-тесты.  Добавлен режим сборки без старого движка распознавания. Выполнена реогранизация дерева исходных текстов. Проведена чистка устаревшего кода; -  Улучшена обработка многостраничных TIFF-изображений; -  Улучшен экспорт в PDF. URL: https://groups.google.com/forum/#!topic/tesseract-ocr/DgJDXg... Новость: https://www.opennet.ru/opennews/art.shtml?num=49534