OCR4all - Herkes için OCR

• Tamamen ücretsiz ve açık kaynak. Abonelik/ücretli özellik/gizli kod yok
• Zorlu el yazmalarının yüksek kaliteli işlenmesinden basılı materyallerin büyük ölçekte tam metin tanınmasına kadar esnek biçimde uygulanabilir
• Güçlü yerleşim ve metin anotasyonu desteği
  • LAREX editörünü kullanarak yerleşim ve metin öğelerine manuel olarak açıklama ekleyebilir, düzeltebilir veya karşılaştırabilirsiniz
• OCR-D ekosistemiyle tamamen uyumludur
• Kullanılabilirlik odaklı tasarım: kod/CLI kullanmadan da UI üzerinden karmaşık OCR iş akışları oluşturabilirsiniz
• Kolay çapraz platform geliştirme: işletim sistemi türünden bağımsız olarak Docker ve tek bir komutla çalıştırılabilir

[GN⁺]

Hacker News görüşleri

• Karmaşık segmentasyon pipeline'ları birkaç yıl önce gerekliydi ama artık çok hataya açık ve modelden önemli bağlamı alıp götürüyor. El yazısına geçmek için bağlam gerekiyor

  • Tarihsel el yazılarını çözmek için uzmanlar tüm belgeye ihtiyaç olduğunu söyleyecektir
  • Sonuna kadar karakter tanıma değil, metin tanıma yapılmalı
  • Modelleri CER ile değerlendirmek iyi değil
  • Metin tanıma, makine çevirisinin 15 yıl önce yaptığı hataları tekrarlıyor

• OCR4all, erken modern dönem basılı materyallerindeki dijital metni geri kazanmak ve tanımak için bir yazılım

  • Karmaşık baskı türleri ve düzensiz yerleşimler, genel metin tanıma yazılımlarının sınırlarını zorluyor
  • Calamari-OCR tabanlı olarak geliştirilmiş gibi görünüyor

• OCR4all, teknik olmayan kullanıcıların ihtiyaçlarını açık ve sezgisel biçimde ele alıyor

  • Linux'ta terminal açıp komut girmenizi söyleyen yönergeler var
  • Bunun teknik olmayan kullanıcılara nasıl yardımcı olduğu sorgulanıyor

• Apple'ın Vision Framework'ü, Tesseract'tan daha hızlı ve daha doğru bir metin tanıma kütüphanesi sunuyor

  • Neredeyse tüm görüntü formatlarını işleyebiliyor
  • Basit bir CLI aracı ve Python wrapper'ı yazılmış

• Tesseract ile LLM'i birleştirip hataları düzeltmek ve biçimlendirmeyi iyileştirmek, şu anda hız/verimlilik/doğruluk açısından en iyi denge noktası

  • İngilizce prompt metni düzenlenerek giriş belgesine özgü belirli yönler önceliklendirilebiliyor

• Yapay zeka destekli bir OCR API geliştirildi

  • Tesseract ve Poppler-utils birleştirilerek belge segmentleri akıllıca çıkarılıyor
  • Birden fazla Vision LLM modeline kolayca ölçeklenebiliyor
  • Tüm yapay zeka agent API'si Dockerized container olarak çıktı veriyor

• Bu iş akışı, tarihsel basılı belgeleri dijitalleştirmeye yönelik

  • Blackletter yazı tipiyle basılmış eski duyuruları korumakla ilgili

• OCR4all, otomatik metin tanıma iş akışı sunmak için çeşitli açık kaynak çözümleri bir araya getiriyor

  • OCR-D tabanlı görünüyor; bu da Tesseract, Kraken, DUP-ocropy ve Calamari-OCR üzerine kurulu
  • Transkribus'a açık kaynaklı bir alternatif gibi görünüyor
  • eScriptorium da başka bir alternatif

• Bunun yeni bir SOTA OCR motoru mu, yoksa bilinen başka motorları kullanan bir araç mı olduğu merak ediliyor

  • Keşke landing page daha net olsaydı

• OCR'nin büyük ölçüde Tesseract ile çözülmüş olduğunu sanıyordum, ancak sonuç PDF'sinde MRC sıkıştırması için bir kütüphane ya da uygulama aranıyor

  • Ticari ürünler pahalı ve görüntü katmanlarını ayırıp sıkıştırarak yeniden birleştirmek zor bir problem