Software pro adaptabilní rozpoznávání textu starých tisků

Adaptive OCR for older printed documents

Software

Tento Python balíček zapouzdřuje celý řetězec OCR včetně, analýzy rozložení stránky, detekci řádků, rozpoznání textu a dekódování textu s využitím jazykového modelu. Software je zaměřený na zpracování nekvalitních dokumentů (například digitalizovaných z mikrofilmů). Balíček poskytuje nástroj spustitelný z příkazové řádky i třídu, kterou je možné integrovat do vlastního software.

This Python package implements the entire OCR pipeline, including page layout analysis, text line detection, text recognition, and text decoding using a language model. The software is focused on processing of low-quality documents (for example documents digitized from microfilms). The package provides a command-line tool and a class that can be integrated into your own software.

OCR, tištěné dokumenty, analýza rozložení stránky, automatický přepis textu, jazykový model, Python

OCR, printed documents, page layout analysis, text recognition, language model, Python

https://github.com/DCGM/pero-ocr, pip https://pypi.org/project/pero-ocr/

K využití výsledku jiným subjektem je vždy nutné nabytí licence

https://www.fit.vut.cz/research/product/666/

Uživatelský manuál