Cuneiform

CuneiForm ( ing.  cuneiform , cuneiform  - cuneiform ), Cognitive OpenOCR  este un sistem deschis distribuit gratuit de recunoaștere optică a textului de către compania rusă Cognitive Technologies .

OCR CuneiForm a fost dezvoltat de Cognitive Technologies ca produs comercial în 1993. Sistemul a fost furnizat cu cele mai populare modele de scanere, MFP și software în Rusia și în lume: Corel Draw, Hewlet-Packard, Epson, Xerox, Samsung, Brother, Mustek, OKI, Canon, Olivetti etc. În 2008, Cognitive Technologies au deschis codurile sursă pentru OCR Cunei Form.

Caracteristici

CuneiForm este poziționat ca un sistem de conversie a copiilor electronice ale documentelor pe hârtie și fișierelor grafice într-o formă editabilă, cu capacitatea de a păstra structura și tipul de caractere ale documentului original în mod automat sau semi-automat. Sistemul include două programe pentru procesarea unică și în lot a documentelor electronice.

Lista limbilor acceptate de sistem:

• Engleză
• bulgară
• maghiară
• olandeză
• danez
• Spaniolă
• Italiană
• letonă
• lituanian
• Deutsch
• Lustrui
• portugheză
• Română
• Rusă
• sârb
• slovenă
• turc
• ucrainean
• limba franceza
• croat
• ceh
• suedez
• estonă

În plus, este acceptat un amestec de rusă și engleză. Recunoașterea amestecurilor de alte limbi este acceptată numai într-o ramură dezvoltată de Andrey Borovsky în 2009 [3] . Predarea altor limbi este dificilă din cauza conexiunii fiecărei limbi cu un fișier dat, structura și metoda de obținere care nu au fost dezvăluite de dezvoltatori.

Istorie

1993  - Cognitive Technologies a încheiat un contract OEM cu corporația canadiană Corel Corporation , conform căruia biblioteca de recunoaștere cognitivă este încorporată în popularul pachet de publicare Corel Draw 3.0 (și versiunile ulterioare). [patru]

1994  - A fost semnat un contract cu Hewlett-Packard pentru setul complet de scanere furnizate Rusiei de OCR CuneiForm. Acesta este primul contract al HP cu un dezvoltator de software rus. [5] [6] [7] [8]

1995  - A fost semnat un contract cu corporația japoneză Epson pentru setul complet de scanere OCR CuneiForm. [9] A fost semnat un contract OEM cu cel mai mare producător de faxuri, imprimante laser, scanere și alte echipamente de birou din lume - Brother Corporation. Conform acordului, noul scaner cu role Brother IC-150 va fi echipat cu software Cognitive pentru scanare, recunoaștere în întreaga lume.

1996  - A fost semnat un contract OEM cu unul dintre cei mai mari producători de monitoare, faxuri, imprimante laser, dispozitive multifuncționale și alte echipamente de birou din lume - Samsung Information Systems America. [10] Conform acordului, noul dispozitiv multifuncțional Samsung OFFICE MASTER OML-8630A va fi vândut cu sistemul optic de recunoaștere a caracterelor Cognitive Cuneiform LE în întreaga lume.

• A fost semnat un contract OEM cu Xerox, cel mai mare producător mondial de echipamente de birou, pentru a completa dispozitivele multifuncționale Xerox 3006 și Pro-610 cu sistemul de recunoaștere CuneiForm.
• A fost lansată versiunea OCR a CuneiForm '96, care a fost prima din lume care a aplicat algoritmi de recunoaștere adaptivă.

Recunoașterea adaptivă  este o metodă bazată pe o combinație a două tipuri de algoritmi de recunoaștere a caracterelor imprimabile: bazați pe font (multifont) și independent de font (omnifont). Sistemul generează un font intern pentru fiecare document de intrare, bazat pe caractere bine imprimate, adică se utilizează ajustarea dinamică (adaptarea) la anumite caractere de intrare. Astfel, metoda combină versatilitatea și fabricabilitatea abordării fără fonturi și acuratețea ridicată a recunoașterii fonturilor, ceea ce face posibilă îmbunătățirea radicală a calității recunoașterii.

1997  - Sistemul CuneiForm a fost primul care a folosit tehnologii bazate pe rețele neuronale. Algoritmii care folosesc rețele neuronale pentru recunoașterea caracterelor sunt construiți după cum urmează. Imaginea caracterului (raster) care vine pentru recunoaștere este redusă la o anumită dimensiune standard (normalizată). Valorile luminozității la nodurile rasterului normalizat sunt utilizate ca parametri de intrare ai rețelei neuronale. Numărul de parametri de ieșire ai rețelei neuronale este egal cu numărul de caractere recunoscute. Rezultatul recunoașterii este simbolul care corespunde cu cea mai mare dintre valorile vectorului de ieșire al rețelei neuronale.

• A fost semnat un nou contract OEM cu Canon pentru completarea dispozitivelor multifuncționale furnizate Rusiei cu sistemul CuneiForm; [11] [12]
• A fost semnat un nou contract OEM cu OKI Europe Limited pentru a finaliza dispozitivele multifuncționale OKI FAX 4100 și OKI FAX 5200 furnizate Rusiei cu sistemul CuneiForm; [13]
• Lansarea primului sistem OCR din lume CuneiForm MMX Update pentru procesorul Intel-MMX; [paisprezece]
• Scanerele NeuHaus sunt echipate cu sistem de recunoaștere CuneiForm;
• Lansarea primului sistem de scanare în rețea din Rusia CuneiForm 98 NeST.

1999

• A semnat un nou contract OEM cu Olivetti pentru finalizarea dispozitivelor multifuncționale furnizate Rusiei cu sistemul CuneiForm;
• A fost încheiat un acord de distribuție cu principalul distribuitor european de software WSKA (Franța) pentru distribuția OCR Cuneiform Direct în Europa;
• A fost lansată o nouă versiune a sistemului de recunoaștere CuneiForm 2000 în care este implementată metoda Cognitive AnalysisTM: în nucleul de recunoaștere este încorporat un sistem expert, care vă permite să analizați estimările alternativelor obținute la ieșirea fiecărui algoritm de recunoaștere și să alegeți cea mai bună opțiune.
• Metoda „Segmentării meridianelor a tabelelor” a fost dezvoltată pentru a îmbunătăți acuratețea recreării formei originale a tabelului în documentul de ieșire;
• A fost dezvoltat un mecanism pentru recrearea formei documentului original „Ceea ce scanați este ceea ce obțineți”. Cert este că până acum, utilizatorii sistemelor de recunoaștere au petrecut o perioadă suficientă de timp (care depășea adesea timpul de scanare și recunoaștere în sine) pentru a da documentului forma sa originală, asigurându-se că fiecare fragment se află la locul potrivit. Acest lucru este valabil mai ales pentru documentele cu topologie complexă: texte cu mai multe coloane cu titluri, adnotări, ilustrații grafice, tabele etc.

2001  - A fost semnat un contract OEM pentru completarea echipamentelor produse de Canon (scanere, dispozitive multifuncționale) cu software-ul Cognitive Technologies (OCR CuneiForm) în Europa de Est.

Pe 12 decembrie 2007, a fost lansată o versiune freeware a OCR CuneiForm și a fost anunțat codul sursă [15] . [16] [17]

Pe 2 aprilie 2008, codul sursă OCR al Cuneiform a fost publicat sub o licență BSD [18] , iar în toamnă, codul sursă pentru interfața de sistem [19] .

Cea mai recentă versiune OpenSource pentru Windows nu a fost actualizată din februarie 2009.

În 2009, interfețele grafice pentru versiunea deschisă a Cuneiform au fost lansate pe baza bibliotecii Qt 4  - Cuneiform-Qt [20] , YAGF . Începând cu versiunea 0.9.0 [21] , versiunea open source Linux poate fi utilizată ca un .

Interfețe grafice pentru CuneiForm

• YAGF
• Alimentator OCR
• KBookOCR
• cuneiform-qt
• Puma.NET (Engleză) -  Biblioteca interfeței .NET
• Quineiform

Vezi și

• Forme cognitive
• OCR gratuit

Note

1. ↑ Port of Cuneiform pentru Linux. . Preluat la 22 iulie 2008. Arhivat din original la 20 mai 2011. (nedefinit)
2. ↑ Textul licenței. Arhivat din original pe 19 martie 2012.
3. ↑ ~anb-symmetrica/cuneiform-linux/cuneiform-multilang : revizuirea 400
4. ↑ Fabricat în Rusia (link inaccesibil) . Preluat la 6 decembrie 2016. Arhivat din original la 27 iunie 2013. (nedefinit) 
5. ↑ Scanerele HP „ Legitime ” vor învăța să citească limba rusă
6. ↑ Scanere HP marcate de CuneiForm . Data accesului: 6 decembrie 2016. Arhivat din original pe 20 decembrie 2016. (nedefinit)
7. ↑ Hewlett-Packard prezintă noi produse la Moscova Arhivat 16 aprilie 2014 la Wayback Machine , Algonet
8. ↑ HP și Cognitive deepen partnership Arhivat 20 decembrie 2016 la Wayback Machine , PCweek
9. ↑ Lumea PC. Perle de software rusesc . Consultat la 29 noiembrie 2016. Arhivat din original la 16 aprilie 2014. (nedefinit)
10. ↑ Samsung selectează OCR al tehnologiei cognitive pentru dispozitivele All-In-One Arhivat 20 decembrie 2016 la Wayback Machine , PCweek, 09/10/1996
11. ↑ Vladimir Mitin Dispozitivele multifuncționale Canon au achiziționat o nouă copie de arhivă de calitate din 20 decembrie 2016 la Wayback Machine , PCweek, 05/12/1998
12. ↑ Vladimir Mitin Alianța Canon -Cognitive Technologies se dezvoltă cu succes
13. ↑ Cognitive Technologies and OKI step on the gaz Arhivat 20 decembrie 2016 la Wayback Machine , PCweek
14. ↑ HP Informal Marketing Arhivat pe 20 decembrie 2016 la Wayback Machine , Computer World
15. ↑ OCR CuneiForm - primul proiect industrial Open Source în domeniul recunoașterii Arhivat la 25 mai 2011.
16. ↑ Sistemul rusesc de recunoaștere a textului CuneiForm va deveni deschis . Copie de arhivă din 20 decembrie 2016 pe Wayback Machine Сybersecurity, 12/06/2007
17. ↑ CuneiForm Returns Arhivat 20 decembrie 2016 la Wayback Machine , Computerworld, 24.12.2007
18. ↑ Cognitive Technologies open source Cuneiform OCR code (downlink) . Consultat la 4 aprilie 2011. Arhivat din original pe 11 noiembrie 2009. (nedefinit) 
19. ↑ Cognitive Technologies Open Cuneiform OCR Code Arhivat 19 aprilie 2011.
20. ↑ Cuneiform-Qt . Consultat la 9 aprilie 2009. Arhivat din original pe 12 aprilie 2009. (nedefinit)
21. ↑ Este lansat Cuneiform Linux 0.9.0 . Data accesului: 8 februarie 2010. Arhivat din original la 26 ianuarie 2014. (nedefinit)

Link -uri

• Portul Cuneiform pentru Linux.
• Site-ul proiectului OpenOCR bazat pe CuneiForm.