版本 6 的变更

总结 版本6包括重要的"下层"改进,同时还有几处突破性的修改.

□ 主要改进

1. 固定内存泄漏(# 977)

• 这个版本确定了一个长期存在的问题,记忆会随时间而上升,最终导致崩溃.
• 尽管如此,工人仍应定期刷新----见下文题为“革新工人”的说明。

□ 小改进

1. 通过更新默认格式(# 916),减少了大多数用户的运行时间和内存使用.
2. 与电子主工艺的固定兼容性(# 925)
3. 默认覆盖用户提供的参数的固定错误(# 975)。

□ 突破变化

1. 除 " 文本 " 外,其他所有产出格式现在默认被禁用。

• 重新启用hocr ' 产出(例如),设置如下:工人. recognizze(图像, ,{特设:真实})'
• 见此处 可能的产出格式列表。

1. JavaScript物体输出格式( " blocks " )被调整。

• 只返回区块( " 区块 " )的阵列。
• 以前版本将自动生成每个文本单位的清单(字'、同义词'等)。
• 如果需要,现在应由用户制作。
• 只报告基于文本的块。
• 以前的版本报告了魔方探测到的非文本块(例如行段)。
• 一些物体的形状被改变。
• 见类型声明关于财产的参考。
• 主要财产 -- -- " 文本 " 和 " bbox " -- -- 保持不变。

1. 先前已折旧的各种功能和选项被删除。
2. 这包括 " 工人.初始化 " 和 " 工人.装入语言 " ,以及从v2中折旧出来的几个选项。

讨论

注:刷新工人 前几个版本中存在的内存漏出迫使用户在服务器上运行Testeract.js来定期创建新鲜工人. 尽管这对避免记忆相撞已不再必要,但**服务器用户仍应偶尔创造出新的工人。 **

这是因为魔方工人默认在一段时间后"学习". 虽然这种学习一般能改善结果,但它假设(1)以前的结果总体上是正确的,(2)现在被确认的形象与以前的形象很相近. 因此,如果同一个工人被使用着来自不同用户的上百个不同文件,魔方通常会"学习"一些不正确或不适用的东西,使得结果比使用新生工人更糟糕.

QQ 为什么默认禁用非文本输出格式 ? 之前版本的"魔方"(Testeract.js)默认导出结果为4个不同格式. 经过分析性能后,我们发现,不必要的格式通常在识别文件时每页增加0.25-0.50秒的运行时间。 . . . . . . .