Вариант для распечатки		Пред. тема | След. тема
Форум Разговоры, обсуждение новостей
Изначальное сообщение		[ Отслеживать ]

"Релиз системы распознавания текста Tesseract 5.1"	+/–
Сообщение от opennews (??), 02-Мрт-22, 11:08
Опубликован релиз системы оптического распознавания текста Tesseract 5.1, поддерживающей распознавание символов UTF-8 и текстов на более чем 100 языках, включая русский, казахский, белорусский  и украинский. Результат может сохраняться как открытым текстом, так и в форматах HTML (hOCR),  ALTO (XML), PDF и TSV. Изначально система была создана в 1985-1995 годах 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 под лицензией Apache 2.0... Подробнее: https://www.opennet.me/opennews/art.shtml?num=56788
Ответить | Правка | Cообщить модератору

Сообщения

[Сортировка по ответам | RSS]

2. Сообщение от Аноним (2), 02-Мрт-22, 11:42	+6 +/–
Использую. Хороший проект. Спасибо разработчикам.
Ответить | Правка | Наверх | Cообщить модератору
Ответы: #8

3. Сообщение от Аноним (3), 02-Мрт-22, 12:55	–5 +/–
Пока не запилят восстановление стиля и структуры, с детекцией шрифтов, картинок, таблиц и т.д., с сохранением всей обнаруженной инфы, с возможностью для пользователя вмешиваться в процесс, как сделано в FineReader, так и будет бесполезной поделкой.
Ответить | Правка | Наверх | Cообщить модератору
Ответы: #6

4. Сообщение от Аноним (3), 02-Мрт-22, 12:56	+/–
>на базе рекуррентной нейронной сети LSTM Продвинутые ребята уже 7 лет как используют трансформеры.
Ответить | Правка | Наверх | Cообщить модератору
Ответы: #5

5. Сообщение от iLex (ok), 02-Мрт-22, 16:27	+/–
У трансформеров есть неприятный недостаток - они требуют ОЧЕНЬ большого объёма обучающей выборки, чтобы механизм Multi-head attention нормально работал. Подозреваю, у разработчиков Tesseract попросту нет ресурсов, чтоб вручную разметить нужные объёмы. Так что трансформеры - это игрушка крупных корпораций. А на малых выборках LSTM'ки кроют трансформеры по полной.
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #4 Ответы: #7, #12

6. Сообщение от Аноним (6), 02-Мрт-22, 16:40	+3 +/–
https://github.com/tesseract-ocr/tesseract/blob/main/CONTRIB... А вообще и в нынешнем виде он очень полезен: тот же OcrMyPDF, сделанный на его основе - отличная штука для случаев когда надо добавить текстовый слой к отсканированным печатным материалам - например, для удобного поиска по ним.
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #3

7. Сообщение от Аноним (3), 02-Мрт-22, 20:27	+/–
>Подозреваю, у разработчиков Tesseract попросту нет ресурсов, чтоб вручную разметить нужные объёмы Трансформеры тренируют на неразмеченных данных. Им нужна модель, понимающая структуру текста, к которой можно приделать распознающую модель, чтобы предсказывать распределение вероятностей для символа при заданной картинке. Для этого разметка не нужна. Нужна модель трансформер на чистом тексте (входы и выходы - 1-hot) + модель-распознавалка, выдающая распределение вероятностей для символа. Веса трансформера для начала можно и нужно заморозить.
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #5

8. Сообщение от Аноним (8), 02-Мрт-22, 22:34	+1 +/–
Даёшь распознавание ятей(Ѣ)!! (для дореволюционного текста нужно, не руками же это всё править)
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #2 Ответы: #9

9. Сообщение от Гнъ Анонимъ (?), 03-Мрт-22, 00:54	+/–
Поддерживаю! Сія мѣра очень кстати!
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #8 Ответы: #10

10. Сообщение от barmaley (??), 03-Мрт-22, 09:35	+1 +/–
Право голубчикъ, чтож вы изволите такого писать?
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #9 Ответы: #11

11. Сообщение от Гнъ Анонимъ (?), 03-Мрт-22, 12:49	+/–
> Право голубчикъ, чтож вы изволите такого писать? Я самъ ничего, но много интересныхъ книгъ написано до насъ нашими великими предками
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #10

12. Сообщение от Анон111 (?), 03-Мрт-22, 14:05	+/–
Google вроде достаточно крупная корпорация
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #5 Ответы: #14

13. Сообщение от ааноним (?), 03-Мрт-22, 22:04	+/–
Для винды есть сборка?
Ответить | Правка | Наверх | Cообщить модератору
Ответы: #15

14. Сообщение от psv (??), 04-Мрт-22, 23:05	+/–
расскажите это openrefine
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #12

15. Сообщение от Jh (?), 05-Мрт-22, 04:42	+/–
Есть. Есть даже GUI - VietOCR. В принципе можно пользоваться
Ответить | Правка | Наверх | Cообщить модератору
Родитель: #13

16. Сообщение от DmA (??), 07-Мрт-22, 11:57	+/–
А почему только 4 языка перечислены, а не 100?
Ответить | Правка | Наверх | Cообщить модератору

Архив | Удалить

Рекомендовать для помещения в FAQ | Индекс форумов | Темы | Пред. тема | След. тема