tesseract-ocr/tesseract
Eine OCR-Engine, ausgeliefert als Bibliothek libtesseract und als Kommandozeilenprogramm tesseract. Version 4 führte einen LSTM-Netz-Erkenner ein, und das Projekt liefert trainierte Daten für einen großen Satz von Sprachen sowie Werkzeuge zum Trainieren eigener Modelle. Es liest Bilder und PDFs und schreibt Klartext, hOCR, ALTO, TSV oder durchsuchbares PDF, unter der Apache-2.0-Lizenz.
Wartungsaktivität