Planning - kana112233/tesseract GitHub Wiki
#Tesseract发布计划
在这里,我们可以计划Tesseract的下一个版本.
##未来版本
以下是未来Tesseract版本的一些想法.
*使用C ++ 11实现代码的现代化(参见讨论此处和[here](https://github.com /的tesseract-OCR/超正方体/提交/69a2e94bc52b57ba26081fb43051dacf2fdc56a0)).
*使用llvm的工具:clang-format,clang-tidy,scan-build,sanitizers.
*用C ++标准类型(GenericVector,...)替换更多Tesseract数据类型,尤其是API.
*添加json(或xml)输出格式. 它将用于完整的ocr和psm 2 - 仅用于布局信息.
*添加选项以使用leptonica的替代二值化方法.
*添加一个选项,输出多页输入的单独文件(out1.hocr,out2.hocr ...).
*在命令行中添加多线程选项(在此模式下,openmp将在运行时禁用).
*探索对训练有素的数据使用Protocol Buffers或FlatBuffers的选项.
*改进错误处理,不要忽略函数的返回值(参见讨论).
请参阅发行说明.
另见[问题#1423]的讨论(https://github.com/tesseract-ocr/tesseract/issues/1423).
###打开应修复的问题
*####“bug”标签的问题(参见list here)
*####噪音字符被bbox识别为整页#1192
*####使用整数模型进行LSTM培训时出现分段错误#1573
*####当Tesseract初始化代码检测到不支持的区域设置时报告警告. (见评论)
*####无法创建输出文件时错误消息不足问题1424
混合语言(fra + ara)项目的####“没有最好的话!!”(见issue 235)
*#### mgr_.Init(traineddata_path.c_str()):错误:断言失败:#1075(参见issue 1075)
###此版本需要的功能
*####仅从github安装选定语言的脚本(参见issue) https://github.com/zdenop/tessdata_downloader
根据可用的资源和意见,这些建议将被添加到下一个或未来版本的计划中或被放弃.
*####增强--list-langs以显示脚本和语言的其他信息,例如legacy/LSTM,版本
这将使命令变慢,因为必须打开并解析每个文件.
将此作为--list-langs-details或--list-lang-details添加到基于lang-code的一个语言文件中?
*#### - list-langs也应该显示它正在使用的目录
*####修复autotools构建,以便调试模式按预期使用-O0
*####添加选项以选择点积(CPU,SSE,AVX,...)的实现
*####相对包括训练有素的数据 tessedit_load_sublangs应该搜索相对于父级的子语言,而不是从tessdata目录开始.
*####有关Coverity Scan报告的编译器警告和问题的更多修复
*####添加一个简单的bash脚本来构建tesseract
*####新的训练数据格式 除了当前的专有格式,Tesseract还可以支持ZIP存档(参见讨论).
使用libarchive的可能实现是可用,但需要更多测试.
*####“训练之光” - 边做边学(见问题)
*####修改text2image以使用PrepareDistortedPix()#1052
*####安排日期
###从3.0x回归功能
Tesseract 4.0应该是Tesseract 3.05的完全替代品,并且与旧的OCR引擎(--oem 0)一起使用时具有相同的功能.
以下回归仍需要验证(它们是否真的是回归,或者它们只是缺少LSTM的功能):
*####用户词(见评论)
*####用户模式(见问题)
这些功能仍然适用于旧的OCR引擎(--oem 0),但LSTM缺少并且需要它们.
*#### hOCR字体信息(参见评论)
##未来发布
在这里,我们收集4.0.0之后的版本的重要问题和功能.
*####新的基于LSTM的OSD检测器(参见评论).
*####删除Legacy Tesseract Engine(参见issue)
*####更好的多语言培训实施(参见评论)
*#### ARM SIMD对点积的支持#519
*####将OpenMP用于点积#983
*####删除已弃用的代码 这不包括OpenCL或旧的Tesseract引擎.
*#### Tesseract为缺少的输入创建输出(参见issue 1023). 大部分都解决了,但可以改进.
*####问题1353:/training/tessopt.cpp的补丁(参见pull request 13) 看起来在同一个过程中不可能运行多个培训. pull请求描述了可能的修复,但不包括完整的实现(低优先级).