เทสดาต้า

ภาพรวม

repo นี้มีชุด .traineddata หลายชุดที่ Tesseract.js สามารถใช้ได้ ซึ่งรวมถึงไฟล์ที่ใช้โดย Tesseract.js เป็นค่าเริ่มต้น เช่นเดียวกับเวอร์ชันอื่นๆ เนื้อหาของไฟล์และวิธีการใช้กับ Tesseract.js มีอธิบายไว้ด้านล่างนี้

ข้อมูลภาษา

คำอธิบายของไฟล์แต่ละชุดอยู่ด้านล่าง แหล่งที่มายังแสดงอยู่ในรายการด้วย แม้ว่าเวอร์ชันที่ใช้ที่นี่อาจไม่สะท้อนถึงเวอร์ชันล่าสุดของไฟล์ใน repo ที่เชื่อมโยง

• 4.0.0_best_int - "Tessdata Best" เวอร์ชันรวม
  • OEM: LSTM เท่านั้น
  • ใช้โดย Tesseract.js เป็นค่าเริ่มต้น: ใช่
    • นี่เป็นข้อมูลเริ่มต้นที่ใช้เมื่อตั้งค่า OEM เป็น LSTM เท่านั้น ซึ่งเป็นค่าเริ่มต้น
  • เผยแพร่ไปยังแพ็คเกจ NPM: ใช่
• 4.0.0 - "เทสดาต้า"
  • OEM: LSTM + มรดก
    • มีการรวม "Tessdata Best" เวอร์ชันที่รวมเข้าด้วยกันสำหรับเอ็นจิ้น LSTM ไว้ด้วย นอกเหนือจากข้อมูลสำหรับข้อมูลดั้งเดิม
  • ใช้โดย Tesseract.js เป็นค่าเริ่มต้น: ใช่
    • นี่เป็นข้อมูลเริ่มต้นที่ใช้เมื่อตั้งค่า OEM เป็นแบบเดิมหรือ LSTM โดยใช้ทางเลือกแบบเดิม
  • เผยแพร่ไปยังแพ็คเกจ NPM: ใช่
  • ที่มา: https://github.com/tesseract-ocr/tessdata
• 4.0.0-fast - "Tessdata เร็ว"
  • OEM: LSTM เท่านั้น
  • ใช้โดย Tesseract.js เป็นค่าเริ่มต้น: ไม่
  • เผยแพร่ไปยังแพ็คเกจ NPM: หมายเลข
  • ที่มา: https://github.com/tesseract-ocr/tessdata_fast
• 4.0.0_best - "Tessdata ดีที่สุด"
  • OEM: LSTM เท่านั้น
  • ใช้โดย Tesseract.js เป็นค่าเริ่มต้น: ไม่
    • ข้อมูลนี้อาจมีขนาดใหญ่กว่าเวอร์ชันที่รวมแล้ว อย่างมาก และอาจส่งผลให้รันไทม์นานขึ้น ผลลัพธ์อาจมีความแม่นยำมากกว่า แต่ความแตกต่างมักจะมีตั้งแต่เล็กน้อยไปจนถึงเล็กน้อย
    • ก่อนที่จะใช้ข้อมูลนี้ นักพัฒนาควรตรวจสอบขนาดไฟล์และทำการทดสอบความแม่นยำ/ประสิทธิภาพเพื่อยืนยันว่าการใช้งานนั้นคุ้มค่า
  • เผยแพร่ไปยังแพ็คเกจ NPM: หมายเลข
  • ที่มา: https://github.com/tesseract-ocr/tessdata_best
• 3.0.2 - ไฟล์ Tessdata ประวัติศาสตร์จาก Tesseract v3
  • OEM: แบบดั้งเดิมเท่านั้น
  • ใช้โดย Tesseract.js เป็นค่าเริ่มต้น: ไม่
    • ไฟล์เหล่านี้เป็นไฟล์เก่าและอาจถูกลบออกจาก repo นี้ในบางจุด
  • เผยแพร่ไปยังแพ็คเกจ NPM: หมายเลข

แพ็คเกจ เอ็นพีเอ็ม

ไฟล์ 4.0.0 และ 4.0.0_best_int สำหรับแต่ละภาษาได้รับการเผยแพร่ในแพ็คเกจ NPM เฉพาะภาษา แต่ละภาษามีแพ็คเกจของตัวเองเนื่องจากการรวมเป็นแพ็คเกจเดียวจะนำไปสู่การดาวน์โหลดจำนวนมหาศาล แพ็กเกจมีชื่อว่า @tesseract.js-data/{lang} ตัวอย่างเช่น แพ็คเกจภาษาอังกฤษชื่อ @tesseract.js-data/eng

การใช้ข้อมูลภาษากับ Tesseract.js

ดูเอกสาร Tesseract.js สำหรับคำแนะนำเกี่ยวกับวิธีตั้งค่า langPath ด้วยตนเอง รายละเอียดเกี่ยวกับตำแหน่งไฟล์ใน Repo นี้สามารถพบได้ที่ด้านล่างนี้

CDN

ไฟล์เหล่านี้สามารถเข้าถึงได้โดยใช้ CDN ใดก็ได้ที่จะสะท้อน NPM โดยอัตโนมัติ ตัวอย่างยอดนิยมอยู่ด้านล่าง

JSDelivr (ค่าเริ่มต้น)

ตามค่าเริ่มต้น Tesseract.js จะใช้ JSDelivr CDN ลิงก์สำหรับข้อมูลภาษาอังกฤษเริ่มต้นบน JSDelivr อยู่ด้านล่าง https://cdn.jsdelivr.net/npm/@tesseract.js-data/[email protected]/4.0.0_best_int/eng.traineddata.gz

แกะกล่องออก

Unpkg เป็นอีกหนึ่ง CDN ที่สะท้อน NPM ในภูมิภาคส่วนใหญ่ unpkg ดูเหมือนจะมีความน่าเชื่อถือน้อยกว่า JSDelivr เล็กน้อย (แม้ว่าจะยังใช้งานได้ก็ตาม) อย่างไรก็ตาม ผู้ใช้รายงานว่า unpkg สามารถเข้าถึงได้ในบางส่วนของประเทศจีนที่ JSDelivr ถูกบล็อก ดังนั้นให้ใช้ unpkg ด้วยเหตุผลดังกล่าว คุณสามารถดูการอภิปรายเกี่ยวกับปัญหานี้ รวมถึงโค้ดตัวอย่างที่เปลี่ยนจาก JSDelivr เป็น unkpg ได้ที่นี่

ลิงก์สำหรับข้อมูลภาษาอังกฤษเริ่มต้นใน unkpkg อยู่ด้านล่าง https://unpkg.com/@tesseract.js-data/eng/4.0.0_best_int/eng.traineddata.gz

สำเนาท้องถิ่น

ผู้ใช้มีอิสระในการใช้สำเนาไฟล์เหล่านี้ในเครื่องของตนเอง แทนที่จะอาศัย CDN ระยะไกล สำหรับ Node.js คุณสามารถเพิ่มแพ็คเกจ NPM ที่เกี่ยวข้องเป็นการพึ่งพา หรือดาวน์โหลดไฟล์และรวมเป็นทรัพยากรโปรเจ็กต์ สำหรับเวอร์ชันเบราว์เซอร์ เพียงดาวน์โหลดไฟล์ที่เกี่ยวข้องและโฮสต์ไฟล์เหล่านั้นบนเว็บไซต์ของคุณ

ไซต์เพจ GitHub (เสื่อมราคา)

ไซต์ tessdata.projectnaptha.com เสื่อมราคาแล้ว และไม่ได้รับการอัปเดตอีกต่อไป อย่าชี้โค้ดใหม่ไปที่ไซต์นี้

ใน Tesseract.js เวอร์ชันเก่า ตำแหน่ง langPath เริ่มต้นคือไซต์หน้า GitHub แบบธรรมดาที่โฮสต์ repo นี้ อย่างไรก็ตาม นอกเหนือจากผู้ใช้ที่รายงานว่าเพจ GitHub ไม่น่าเชื่อถือแล้ว ตอนนี้ repo นี้มีขนาดเกินขีดจำกัดขนาดเพจ GitHub ดังนั้นไซต์นั้นจึงไม่ได้รับการอัพเดตอีกต่อไป ไซต์นี้ถูกปล่อยทิ้งไว้ตามเดิมเพื่อหลีกเลี่ยงไม่ให้โค้ดเก่าเสียหาย อย่างไรก็ตาม นักพัฒนาควรเปลี่ยนมาใช้