Вышла (http://symmetrica.net/cuneiform-linux/yagf-ru.html) новая версия YAGF, написанной с использованием Qt 4 графической оболочки для программ оптического распознавания текста Cuneiform (https://launchpad.net/cuneiform-linux) и Tesseract (http://code.google.com/p/tesseract-ocr/). Программа позволяет через единый GUI-интерфейс управлять сканированием изображений, их предварительной обработкой и распознаванием большого числа отсканированных страниц.
Основные изменения:- Улучшены пред-обработка изображений и автоматическое исправление наклона страниц;- Новый инструмент для ручной корректировки исправления наклона (если она нужна); - Поддержка распознавания текста, напечатанного очень мелким шрифтом; - Упрощен импорт документов PDF; - Более тесная интеграция с Tesseract OCR: (распознавание двуязычных текстов, режим распознования "только числа", добавлены новые языки распознавания).
<center><a href="http://symmetrica.net/cuneiform-linux/yagf.jpg"><img src="http://www.opennet.me/opennews/pics_base/0_1407129565.jpg" style="border-style: solid; border-color: #e9ead6; border-width: 15px;max-width:100%;" title="" border=0></a></center>
URL: http://symmetrica.net/cuneiform-linux/yagf-ru.html
Новость: http://www.opennet.me/opennews/art.shtml?num=40323
Классно. Полезная штучка )
Может кто-нибудь поделиться реальным опытом использования Cuneiform и Tesseract в продакшен для распознавания русскоязычных текстов?
> Может кто-нибудь поделиться реальным опытом использования Cuneiform и Tesseract в продакшен для распознавания русскоязычных текстов?в продакшн файнридером пользуются, если контора адекватная.
> в продакшн файнридером пользуются, если контора адекватная.Я ведь не критерии определения адекватности конторы просил. :)
>> Может кто-нибудь поделиться реальным опытом использования Cuneiform и Tesseract в продакшен для распознавания русскоязычных текстов?куниформом не пользуются, так как он не-адаптируем.
А Tesseract используется, вот например, люди живут с того, что предлагают кастомизированный софт на основе тессеракт:
Я с этой конторой никак не связан, есличо. Я связан с другой ;-)
продакшон...
Для винды его нет вроде. Тамашний кунаиформ не обновляется сто лет и глючен.
> Для винды его нет вроде. Тамашний кунаиформ не обновляется сто лет и
> глючен.Да мне и не для венды. А tesseract?
часто отвратительное распознавание... В связке Yagf+Cuneiforms. Таблицы, формулы распознавать не умеет. Если текст отсканирован не совсем хорошо, распознает от силы 10-15%...
Tesseract не пробовал
Tesseract для русскоязычного бесполезен.
Ничего подобного - если распознавать напечатанный текст, а не рукописный, то распознает очень даже хорошо. Сам пользуюсь, когда надо старые статьи перевести в электронную форму, которые где-то до этого потерялись.
Для Windows встроенный в Office Professional распознавальщик имеется неплохой. Так что упомянутый выше FineReader - пятое колесо в телеге типа коммерческого антивируса при наличии загружаемого (для 7-ки) или встроенного (в 8-ку) бесплатного.
> Для Windows встроенный в Office Professional распознавальщик имеется неплохой. Так что
> упомянутый выше FineReader - пятое колесо в телеге типа коммерческого антивируса
> при наличии загружаемого (для 7-ки) или встроенного (в 8-ку) бесплатного.Только вот он стоит 19 тыс. Сам офис нужен с большой натяжкой, файнридер стоит 6 тыс (и явно лучше для распознавания). Считайте.
Я говорю как есть в обычном офисе.По-моему, не нужен ни MS Office, ни Windows, ни FineRedaer. Причем первые легко заменяются существенно более качественными продуктами, а последний, несмотря на то, что делает свою работу вполне хорошо, не нужен как класс ПО. Из головы писать надо, а не старые чужие тексты тянуть.
да. проблема только в том, что если нужно распознавание (не раз в год, а в нормальных масштабах), требуется FR и он за собой тащит и венду и офис.
Яркий пример замкнутого мышления. Не сталкивался с задачей - не нужно никому.
> пятое колесо в телеге типа коммерческого антивируса при наличии загружаемого (для 7-ки) или встроенного (в 8-ку) бесплатногоВы принципиально не правы. Своим наплевательским отношением к уязвимостям Microsoft искусственно создали целую нишу для высасывания бабла у хомяка, а также подарила ему иллюзию выбора.
Под линуксом он тоже как-то не шибко развивается. Олсо вендовая версия cuneiform лучше распознает русский текст, чем линуксовая. Можешь запустить под вайном и сравнить.
Но само собой и tesseract, и cuneiform очень сильно уступают тому же fine reader. И годны только для распознавания простого текста без всяких таблиц и сложностей на сканах отличного качества.
До Abbyy им все равно далеко.
плевать на файнридер. Им всем даже до свободного cunieform для винды далеко.
зависит от кач-ва текста и задач
Вот бы поддержку FineReader для Linux и FreeBSD! А то ncurses для мазохистов.
С их мнением и отношением к GNU/Linux - не нужно.
> Вот бы поддержку FineReader для Linux и FreeBSD! А то ncurses для
> мазохистов.А она есть.
В виде продукта для конечного пользователя нет. Но и не нужно (как впрочем и для Windows) ввиду наличия онлайн-версии: http://finereaderonline.com/ru-ru
Кончай троллить уже. Или тебе распознать несколько страничек в интернете (про приватность молчу) достаточно? будешь создавать новую учетку каждые 20 (или сколько там?) страниц?
Так ты много и бесплатно хочешь? Выбирай http://vorabota.ru/rabota-s-tekstami/onlayn-servisi-dlya-bes...
У меня в git.altlinux.org/people/cas/packages/yagf.git последние два коммита фиксят сборку: нет файла align.png (взял вместо него Align.png) и явно включил unistd.h для sleep()
> У меня в git.altlinux.org/people/cas/packages/yagf.git последние два коммита фиксят
> сборку: нет файла align.png (взял вместо него Align.png)До этого момента не добрался пока. Буду иметь ввиду.
> и явно включил unistd.h для sleep()
На этом споткнулся тоже. Описано здесь: https://gcc.gnu.org/gcc-4.7/porting_to.html
Андрей, надо починить.
