tesseract-ocr/tesseract
Un moteur de reconnaissance optique de caractères distribué comme bibliothèque libtesseract et comme programme en ligne de commande tesseract. La version 4 a introduit un reconnaisseur à réseau de neurones LSTM, et le projet fournit des données entraînées pour un large ensemble de langues ainsi que des outils pour entraîner ses propres modèles. Il lit images et PDF et produit du texte brut, hOCR, ALTO, TSV ou PDF interrogeable, sous licence Apache 2.0.
Activité de maintenance