Релиз системы распознавания текста Tesseract 3.0 с поддержкой русского языка
После трех лет разработки выпущен релиз системы оптического распознавания текста Tesseract 3.0. Одним из самых важных улучшений в новой версии стала поддержка распознавание документов на русском и украинском языках. 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.Основные улучшения Tesseract 3.0:
- Проведена подготовка кода к использованию в многопоточных программах;
- Добавлен модуль анализа структуры документа;
- Добавлена поддержка вывода результатов в формате HOCR;
- В качестве основного средства для ввода/вывода, обработки и анализа изображений теперь используется библиотека Leptonica. Пока использование Leptonica опционально, но в будущих выпусках станет обязательным;
- Переписаны таблицы сопоставления неоднозначно распознаваемых элементов;
- Добавлен TessdataManager для совмещения нескольких файлов с данными в один файл;
- Проведена чистка неиспользуемого кода и прекращена поддержка сборки в VC++6;
- Добавлены дополнительные языки в систему распознавания.
© OpenNet
