tesseract-OCR升级日志

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。

你可能感兴趣的:(tesseract-OCR升级日志)