2018-10-29 - V4.0.0 |
|
*增加了基于LSTM的新型神经网络系统,具有较高的准确度。 |
|
* PDF渲染的改进。 |
|
*修复了trainingdata渲染。 |
|
*增加了LSTM模型+ lang模型到101种语言。(tessdata存储库) |
|
*改进了多页TIFF处理。 |
|
*修复了处理PDF时对二进制图像的损坏。 |
|
*修复了培训过程,允许从识别模型中进行增量培训。 |
|
*将LSTM作为默认引擎,将多维数据集推出。 |
|
*删除了立方体代码。 |
|
*更改了旧版tesseract引擎的OEMode --oem 0,LSTM的--oem 1,两者的--oem 2,默认的--oem 3。 |
|
*避免使用Leptonica调试参数或功能。 |
|
*修正了多语言模式。 |
|
*删除了对VS2010的支持。 |
|
*增加了对CP20AN的VS2015和VS2017的支持。 |
|
*仅为PDF实现了不可见的文本。 |
|
*增加了对Windows的AVX / SSE支持。 |
|
*启用OpenMP支持。 |
|
*参数unlv_tilde_crunching更改为false。 |
|
*杂项修复。 |
|
|
|
|
2017-02-16 - V3.05.00 |
|
|
*对hOCR输出进行了一些微调。 |
|
*添加TSV作为另一种可选输出格式。 |
|
*修正了使用AnalyseLayout()方法在3.04.00中引入的ABI中断。 |
|
* text2image工具 - 启用字体中可用的所有OpenType连字。此功能需要Pango 1.38或更高版本。 |
|
*培训工具 - 用tprintf()替换断言并退出(1)。 |
|
*修正了Cygwin的兼容性。 |
|
*改进了多重tiff处理。 |
|
*改进了嵌入式pdf字体(pdf.ttf)。 |
|
*从命令行启用OCR引擎模式选择。 |
|
*将tesseract命令行参数'-psm'更改为'--psm'。 |
|
*将tesseract --help, - version和--list-langs的输出写入stdout而不是stderr。 |
|
*添加了用于方向和脚本检测的新C API,删除了旧的。 |
|
*将最小autoconf版本增加到2.59。 |
|
*删除了死代码。 |
|
*要求Leptonica 1.74或更高。 |
|
*修正了许多编译器警告。 |
|
*修复了内存和资源泄漏问题。 |
|
*修正了“立方体”OCR引擎的一些问题。 |
|
*修正了一些openCL问题。 |
|
*添加了使用CMake构建系统构建Tesseract的选项。 |
|
*实现了CPPAN支持,便于Windows构建。 |
|
|
2016-02-17 - V3.04.01 |
|
|
*为psm 0添加了OSD渲染器。适用于单页和多页图像。 |
|
*改进tesstrain.sh脚本。 |
|
*简化ScrollView的构建和运行。 |
|
*改进了OS X预览实用程序的PDF输出。 |
|
* INCOMPATIBLE修复hOCR行高信息 - 提交134ebc3。 |
|
*添加了在没有Cube OCR引擎(-DNO_CUBE_BUILD)的情况下构建Tesseract的选项。 |
|
*启用OpenMP支持。 |
|
*许多错误修复。 |
|
|
2015-07-11 - V3.04.00 |
|
|
* Tesseract开发现在使用Git完成,并在github.com上托管(之前我们使用Subversion作为VCS,使用code.google.com进行托管)。 |
|
* Tesseract现在需要leptonica 1.71或更高版本。 |
|
*删除了对VS 2008的官方支持。 |
|
*增加了对39种附加脚本/语言的支持,包括:amh,asm,aze_cyrl,bod,bos,ceb,cym,dzo,fas,gle,guj,hat,iku,jav,kat,kat_old,kaz,khm,kir, kur,lao,lat,mar,mya,nep,ori,pan,pus,san,sin,srp_latn,syr,tgk,tir,uig,urd,uzb,uzb_cyrl,yid |
|
*通过对100种语言的广泛测试,对培训系统进行了重大更新。 |
|
* 100多种语言的新培训数据 |
|
*使用PIC编译选项提高了性能。 |
|
*对pdf输出中的隐形字体系统进行重大更改,以提高与外部程序(尤其是ghostscript)的正确性和兼容性。 |
|
*改进了字体识别。 |
|
*改进重度变音语言的布局分析的主要变化:泰语,越南语,卡纳达语,泰卢固语等。 |
|
*修复了移位基线的问题,以便识别可以从布局分析错误中恢复。 |
|
*主要的重构,以提高困难图像的速度,尤其是在运行堆检查器时。 |
|
*将params从全局页面布局移到tesseractclass。 |
|
*改进的单列布局分析。 |
|
*使用tesseract命令行可执行文件将ocr输出设置为多种格式。 |
|
*修复了混合eng + ara脚本的问题。 |
|
*改进了数字中的脚本一致性。 |
|
* control.cpp的主要重构,以启用行识别。 |
|
*添加了tesstrain.sh - 一个主训练脚本。 |
|
*增加了text2image训练工具的能力,只列出可用的字体。 |
|
*增加了text2image加下划线字的功能。 |
|
*提高PDF输出的图像处理效率。 |
|
*为使用'print-parameters'命令行选项列出的每个参数添加了参数说明。 |
|
*为hOCR输出添加了字体信息。 |
|
*启用多页文档的流输入和输出。 |
|
*许多错误修复。 |
|
|
2014-02-04 - V3.03(rc1) |
|
|
*添加了新的训练工具text2image来生成box / tif文件对 |
|
文本和truetype字体。 |
|
*添加了对可搜索文本的PDF输出的支持。 |
|
*删除了整个IMAGE类和图像目录中的所有代码。 |
|
* Tesseract可执行文件:支持输出到stdout; 对一个人的支持有限 |
|
来自stdin的页面图像(特别是在Windows上) |
|
*向API添加了渲染器以允许文档级处理和输出 |
|
文件格式,如hOCR,PDF。 |
|
*字级识别,光束搜索,消除死代码的主要重构。 |
|
*重构分类器,以便更容易添加新分类器。 |
|
*通用特征提取器,允许从灰度中提取特征。 |
|
*改进的子/上标处理。 |
|
*改善基线拟合。 |
|
*为训练工具添加了set_unicharset_properties。 |
|
*许多错误修复。 |
|
*包括更多培训源数据。 |
|
|
2012-02-01 - V3.02 |
|
|
*将ResultIterator / PageIterator移动到ccmain。 |
|
*在希伯来语/阿拉伯语的输出迭代器中添加了从右到左/ Bidi功能。 |
|
*在布局分析/后OCR中添加了段落检测。 |
|
*修正了训练和过度砍伐过程中不一致的x高度。 |
|
*增加了同步多语言功能。 |
|
*重构顶级单词识别模块。 |
|
*增加了实验方程检测器。 |
|
*改进了输入图像的分辨率处理。 |
|
* Blamer模块已添加用于错误分析。 |
|
*通过从baseapi.h中删除包含来清理外部使用的命名空间。 |
|
*删除了死记忆管理代码。 |
|
*整理控制参数的限制。 |
|
*在分类器和培训中添加了对ShapeTable的支持。 |
|
*重构类修剪器。 |
|
*修正了培训漏洞和随机性。 |
|
*布局分析的主要改进,以更好的图像检测,变音检测,更好的文本行查找,更好的tabstop发现。 |
|
*改进线路检测和删除。 |
|
*为CJK增加了固定间距斩波器。 |
|
*在WERD_CHOICE中添加了UNICHARSET,使多语言处理更加容易。 |
|
*修复了内部缩放图像的问题。 |
|
*在tr文件中添加了页面和bbox字符串,以更好地识别训练数据的来源。 |
|
*修复印地语Shiroreka分离器。 |
|
*增加了字母bigram校正。 |
|
*减少堆栈内存消耗并消除一些丑陋的typedef。 |
|
*添加了新的统一分类器API。 |
|
*添加了新的训练错误计数器。 |
|
*修复了dawg阅读器中的endian bug。 |
|
*许多其他修复,包括切碎机发现印章的方式和大纲的混乱。 |
|
|
2010-11-29 - V3.01 |
|
|
*删除* LISTIZED类上的旧/死序列化/反序列化方法。 |
|
*完全重写DENORM以更好地封装操作和制作 |
|
有可能从图像中提取特征。 |
|
*线程安全!将所有关键全局变量和静态变为适当类的成员。Tesseract现在是线程安全的(多个实例可以在多个线程中并行使用。),但有一些控制参数仍然是全局的,并影响所有线程。 |
|
*添加了Cube,一种新的阿拉伯语识别器。对于其他语言,立方体也可以与普通Tesseract结合使用,并以(更低)速度为代价提高精度。*目前还没有Cube培训模块。* |
|
*`Init`中的`OcrEngineMode`替换`AccuracyVSpeed`来控制立方体。 |
|
*极大地改进了分段搜索,从而提高了准确性和速度,特别是对于中文。 |
|
*添加了`PageIterator`和`ResultIterator`作为从Tesseract中获取完整结果的更简洁方法,这些方法目前不是由任何`TessBaseAPI :: Get *`方法提供的。所有其他方法,例如特别是`ETEXT_STRUCT`都已弃用,将来会被删除。 |
|
* ApplyBoxes完全重写,使训练更容易。它现在可以处理触摸/重叠训练字符,并且新的boxfile格式允许使用单词框而不是字符框,但是要使用你必须已经用字符框提升语言。受训数据的“循环依赖”。 |
|
*自动定位和脚本检测添加到页面布局分析。 |
|
*删除*批次*死代码。 |
|
* Fixxht模块替换为可扩展的数据驱动模块。 |
|
*输出字体特征精度提高。 |
|
*删除了每个分类的双重转换。 |
|
*将最旧的结构升级为类,并弃用PBLOB。 |
|
*删除了非确定性基线拟合。 |
|
*为中文添加了固定长度的dawgs。 |
|
*改进了垂直文本的处理。 |
|
*领导者点的处理得到改善。 |
|
*表检测大大改善。 |
|
*修正了几个内存泄漏问题。 |
|
*修正输出文本上的字体标签。(不完美,但比以前好多了。) |
|
*清理和更多错误修复 |
|
*印地语的特殊待遇。 |
|
*支持使用适用于Windows 7的Microsoft Windows SDK构建VS2010(感谢Michael Lutz) |
|
|
2010-09-21 - V3.00 |
|
|
*螺纹安全准备: |
|
*将TessBaseAPI方法更改为非静态方法 |
|
*为保存实例数据的目录创建了一个类层次结构, |
|
并开始将代码移入类中。 |
|
*将阈值代码移动到单独的类。 |
|
*增加了主要的新页面布局分析模块。 |
|
*增加了HOCR输出(问题221,263:感谢amkryukov)。 |
|
*添加Leptonica作为主要图像I / O和处理。目前可选, |
|
但在将来版本中,与Leptonica的链接将是强制性的。 |
|
*重写歧义表以允许明确的替换 |
|
fix_quotes。 |
|
*添加了TessdataManager将数据文件合并到一个文件中。 |
|
*删除了一些死代码。 |
|
*不再支持VC ++ 6。它无法应对模板的使用。 |
|
*添加了更多语言。 |
|
*大多数函数头注释的Doxygenation。 |
|
*添加了手册页。 |
|
*添加了bash完成脚本(问题247:感谢neskiem) |
|
*修正阈值处理中的整数概述(问题366:感谢Cyanide.Drake) |
|
*添加丹麦Fraktur支持(问题300,360:谢谢 |
|
[email protected]) |
|
*修复文件指针泄漏(问题359,感谢yukihiro.nakadaira) |
|
*使用用户词修复错误(问题345:感谢max.markin) |
|
*修复tablefind.cpp中的内存泄漏(问题342,感谢zdravco) |
|
*修复由于双重fclose导致的段错误(问题320,多亏了南方) |
|
*修复了automake错误(问题318,多亏了ichanjz) |
|
*修复fileFormatIsTiff()上的Win32崩溃(问题304,316,317,330,347, |
|
349,352:感谢nguyenq87,max.markin,zdenop) |
|
*修复了VC ++较新(更严格)版本中的许多错误(问题 |
|
301,等等) |
|
|
2009-06-30 - V2.04 |
|
|
*集成的错误修复和补丁以及misc更改的可移植性。 |
|
*集成一个补丁来删除一些“访问”宏。 |
|
*消除了观众对lua的依赖,加快了速度 |
|
大幅提升。 |
|
*修正了查看器,使其编译并正常运行! |
|
*具体解决问题:1,63,67,71,76,81,82,106,111, |
|
112,128,129,130,133,135,142,143,145,147,153,154,160, |
|
165,170,175,177,187,192,195,199,201,205,209,108,169 |
|
|
2008-04-22 - V2.03 |
|
|
*修复了2.02中引入的崩溃问题。 |
|
*修正了分发中缺少tessembedded.cpp的问题。 |
|
*增加了leptonica头文件的测试和lib的条件测试。 |
|
|
2008-04-21 - V2.02(再次) |
|
|
*修复了jpeg库(INT32)的命名空间冲突。 |
|
* Windows的可移植性修复程序用于新代码。 |
|
*更新autoconf系统以获取新代码。 |
|
|
2008-01-23 - V2.02 |
|
|
*集群,培训和分类器的改进。 |
|
*大字符集的主要国际化改进 |
|
*语言,例如卡纳达语。 |
|
*删除了一些编译器警告。 |
|
*为训练和跑步增加了多重tiff支持。 |
|
*更新了图形输出,以便与新的基于java的查看器进行对话。 |
|
*添加了保存n个最佳列表的功能。 |
|
*为更多文件类型添加了leptonica支持。 |
|
*改进了Init / End以确保安全。 |
|
*减少字典的内存使用。 |
|
*为TessBaseAPI添加了一些新的API。 |
|
|
2007-08-27 - V2.01 |
|
|
*修正了盒式文件阅读器的UTF8输入问题。 |
|
*修复了dawg代码中的各种无限循环和崩溃。 |
|
*从host.h中删除了config_auto.h的包含。 |
|
*为unicharset_extractor添加了自动wctype编码。 |
|
*修正了dawg表太满错误。 |
|
*从tarball中删除了svn文件。 |
|
*为tessdll添加了新功能。 |
|
*分类结果中的最大utf8字符串增加到8。 |
|
|
2007-07-02 - V2.00 |
|
|
*将内部字符处理转换为UTF8。 |
|
*训练有6种语言。 |
|
*添加了unicharset_extractor,wordlist2dawg。 |
|
*添加了boxfile创建模式。 |
|
*增加了UNLV回归测试能力。 |
|
*修复了版权和注册符号的问题。 |
|
*修复了外部“C”声明问题。 |
|
|
2007-05-15 - V1.04 |
|
|
*为Windows添加了dll导出。 |
|
*修正与stl等名称冲突 |
|
*做了一些初步的改变准备好unicodeization。 |
|
*在unicodeization期间发现了几个错误修复。 |
|
|
2007-02-02 - V1.03 |
|
|
*增加了mtraraining和cntraining。 |
|
*添加了baseapi,具有灰度和颜色的自适应阈值。 |
|
*修复了许多内存泄漏问题。 |
|
*修正了一些错误,包括缺乏自适应分类器。 |
|
*添加了ifdef以消除图形代码并添加嵌入式平台支持。 |
|
*合并了几个补丁,包括64位版本,Mac版本。 |
|
*微小的准确性改进。 |
|
|
2006-10-04 - V1.02 |
|
|
*删除了对阿司匹林的依赖。 |
|
*修复了一些缺少的Apache许可证标题。 |
|
*删除了$ log。 |
|
|
2006-09-07 - V1.01。 |
|
|
*为VC ++添加了mfcpch.cpp和getopt.cpp。 |
|
*修复了灰度图像和没有libtiff的问题。 |
|
*停止调试窗口用于使用输出。 |
|
*修复了big-endian架构的inttemp负载。 |
|
*修正了一些Mac编译问题。 |
|
|
|
2006-06-16 - 开源Tesseract的V1.0签到。 |