Porovnání softwaru pro optické rozpoznávání znaků - Comparison of optical character recognition software - Wikipedia

Tento srovnání optické rozpoznávání znaků software zahrnuje:

  • OCR motory, které provádějí skutečnou identifikaci znaků
  • Software pro analýzu rozložení, který rozděluje naskenované dokumenty do zón vhodných pro OCR
  • Grafická rozhraní k jednomu nebo více modulům OCR
  • Soupravy pro vývoj softwaru které se používají k přidání funkcí OCR k dalšímu softwaru (např. aplikace pro zpracování formulářů, systémy pro správu dokumentů, e-objev systémy, řešení pro správu záznamů)
Tříditelný stůl
názevRok založeníNejnovější stabilní verzeRok vydáníLicenceOnlineOknaMac OS XLinuxBSDProgramovací jazykSDK ?JazykyPísmaVýstupní formátyPoznámky
Disk Google OCR nebo Google Cloud Vision2015ProprietárníAnoProhlížečProhlížečProhlížečNeznámýNeznámýAno200+Všechna písmatextPříspěvek na blogu Google [1] [2]
Tesseract19854.1.12019ApacheNeAnoAnoAnoAnoC ++, CAno100+[3]Jakékoli tištěné písmoText, ALT, hOCR,[4] PDF, jiné s různými uživatelskými rozhraními[5] nebo APIVytvořil Hewlett Packard; v rámci dalšího vývoje společností Google[6]
ABBYY FineReader1989152019ProprietárníAnoAnoAnoAnoAnoC / C ++Ano192[7]Všechna písmaDOC, DOCX, XLS, XLSX, PPTX, RTF, PDF, HTML, CSV, TXT, ODT, DjVu, EPUB, FB2[8]ABBYY také dodává SDK pro vestavěná a mobilní zařízení. Vydání Professional, Corporate a Site License pro Windows, Express Edition pro Mac.[9]
E-aksharayan2010AnoNeAnoNe14RTF, TXT, BRL
Asprise OCR SDK1998152015ProprietárníAnoAnoAnoAnoAnoJava, C #, VB.NET, C / C ++ / DelphiAno20+[10]?Prostý text, prohledávatelné PDF, XML[11]Java, C #, VB.NET, C / C ++ / Delphi SDK pro rozpoznávání OCR a čárových kódů na Windows, Linux, Mac OS X a Unix.[12]
Software AnyDoc1989??ProprietárníNeAnoNeNeNeVBScript???Pracuje se strukturovanými, polostrukturovanými a nestrukturovanými dokumenty.
CuneiForm19961.12011-04-19BSD variantaNeAnoAnoAnoAnoC / C ++Ano28Jakékoli tištěné písmoHTML, hOCR, nativní, RTF, TeX, TXT[13]Systém podnikové třídy dokáže ukládat formátování textu a rozpoznává komplikované tabulky jakékoli struktury
Dynamsoft OCR SDK20038.22012ProprietárníAnoAnoNeNeNeC / C ++Ano40+[14]?PDF, TXT
OmniPageSedmdesátá léta19.22015ProprietárníAnoAnoAnoAnoNeC / C ++, C #[15]Ano125[16]Strojová a ručně psaná písmaDOC / DOCX XLS / XLSX PPTX RTF PDF PDF / A Prohledávatelné PDF HTML Text XML ePUB MP3Produkt z Komunikace Nuance
Microsoft Office OneNote 20072011?2007ProprietárníNeAnoNeNeNe????
GOCR20000.52[17]2018-10-15GPLAno[18]AnoAnoAnoAnoC?20+?
Ocrad?0.26[19]2017-03-31GPLAnoNeAnoAnoAnoC ++Anolatinka?Příkazový řádek
SmartScore199110.5.82015-07ProprietárníNeAnoAnoNeNe????Pro hudební partitury
Zobrazování dokumentů Microsoft Office?Office 20072007ProprietárníNeAnoNeNeNe????Používá OmniPage[Citace je zapotřebí ]
Puma.NET??2009-10-29BSDNeAnoNeNeNeC#Ano28Jakékoli tištěné písmo.SÍŤ OCR SDK založený na rozpoznávacím enginu CuneiForm společnosti Cognitive Technologies. Zabalí server Puma COM a poskytuje zjednodušené API pro .NET aplikace
ReadSoft???ProprietárníNeAnoNeNeNe????Skenujte, zachycujte a klasifikujte obchodní dokumenty, jako jsou faktury, formuláře a nákupní objednávky integrované do obchodních procesů.
Scantron???ProprietárníNeAnoNeNeNe????Pro práci s lokalizovanými rozhraními je nutná odpovídající jazyková podpora.
OCR Podavač2009-030.8.12014-12-22GPLNeNeNeAnoNeKrajta???Má plné uživatelské rozhraní a má nástroj příkazového řádku pro automatické operace. Má svůj vlastní segmentační algoritmus, ale používá celosystémové OCR enginy jako Tesseract nebo Ocrad
OCRopus20071.3.32017-12-16ApacheNeNeAnoAnoAnoKrajta?Všechny jazyky používají Latinské písmo (lze procvičovat i jiné jazyky)Normální latinské písmo a Fraktur (jiné skripty lze procvičit)TXT, hOCR,[20] PDF[21]Zásuvný rámec v aktivním vývoji, používaný pro Knihy Google
názevRok založeníNejnovější stabilní verzeRok vydáníLicenceOnlineOknaMac OS XLinuxBSDProgramovací jazykSDK?JazykyPísmaVýstupní formátyPoznámky

Hodnocení

Analýza přesnosti a spolehlivosti balíků OCR Google dokumenty OCR, Tesseract, ABBYY FineReader a Transym s využitím datové sady obsahující 1227 obrázků z 15 různých kategorií dospěly k závěru, že si Google Docs OCR a ABBYY vedou lépe než ostatní.[22]

Reference

  1. ^ Dmitriy Genzel; Ashok Popat (6. května 2015). „Paper to Digital in 200+ languages“.
  2. ^ Ashok Popat (4. září 2015). „IEEE SPS: Optické rozpoznávání znaků pro většinu světových jazyků“.
  3. ^ Na základě počtu souborů jazykových školení pro verzi 3.04. Dostupné v stránku ke stažení.
  4. ^ Použití vysvětleno v Tesseractu Soubor Readme a FAQ
  5. ^ Například ODF s OCR Podavač
  6. ^ „GitHub - tesseract-ocr / tesseract: Tesseract Open Source OCR Engine (hlavní úložiště)“. Citováno 2018-11-05.
  7. ^ „ABBYY FineReader 14: Technické specifikace“. Finereader.abbyy.com. Citováno 2017-02-23.
  8. ^ „ABBYY FineReader 11: Technické specifikace“. Finereader.abbyy.com. Citováno 2013-09-12.
  9. ^ „Nejlepší OCR software“. Ocrworld.com. 2010-03-30. Archivovány od originál dne 2017-02-23. Citováno 2013-09-12.
  10. ^ „Funkce Asprise OCR SDK“. asprise.com. Citováno 2014-06-21.
  11. ^ „Asprise Java OCR Library Features“. asprise.com. Citováno 2014-06-21.
  12. ^ „Asprise Java, C # / VB.NET OCR API“. asprise.com. 19. 11. 2015. Citováno 2015-11-19.
  13. ^ Debian manuální stránka pro Cuneiform pro Linux verze 1.1.0
  14. ^ "Stažení jazykových balíčků OCR SDK". Dynamsoft.com. Citováno 2013-09-12.
  15. ^ „OmniPage CSDK - OCR Document Capture Toolkit | Document Imaging & OCR“. Odstín. Archivovány od originál dne 2010-08-24. Citováno 2013-09-12.
  16. ^ „Standardní převod dokumentu OmniPage“. Odstín. Archivovány od originál dne 13.03.2014. Citováno 2014-02-25.
  17. ^ „Domovská stránka GOCR“. wasd.urz.uni-magdeburg.de. Citováno 2018-10-17.
  18. ^ „GOCR“. Jocr.sourceforge.net. Citováno 2013-09-12.
  19. ^ Diaz, Antonio (2015-04-16). „Vydán GNU Ocrad 0,26“ (Poštovní seznam). info-gnu.
  20. ^ OCRopus zahrnuje nástroj ocropus-hocr, který produkuje hOCR z výsledků rozpoznávání.
  21. ^ V kombinaci s hocr nástroji
  22. ^ Assefi, Mehdi (01.12.2016). „OCR jako služba: experimentální hodnocení OCR Google Docs, Tesseract, ABBYY FineReader a Transym“. Výzkumná brána. Citováno 2019-01-31.