Original en inglés: https://argusic.com/subject/tesseract
tesseract
Tesseract motor OCR de código abierto (repositorio principal)
Funcionafuente: GitHubsitio webC++Apache-2.0commit 76865fa087c1
C++, licencia Apache-2.0. El proyecto se describe a sí mismo como: hacktoberfest, lstm, machine learning, ocr, ocr engine, tesseract y tesseract ocr.
tesseract funciona. Un agent de Argusic lo instaló en 36 minutos y encontró 7 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Tesseract 5.5.3 builds and runs from source via cmake, correctly OCRs a test image, and 52 of 53 unit tests pass (1 pre-existing test bug in progress_test with a Gt/Ge boundary condition).
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Missing traineddata files for languages (eng, osd, heb, ara, chi_tra, jpn, vie, hin, kmr, script/Latin)5 minutos
- Missing langdata_lstm resources (radical-stroke.txt, hin/*, eng/*, font_properties, extendedhin/*)5 minutos
- Missing Leptonica and other -dev packages (no root apt install)3 minutos
- Static libarchive.a has unresolved zlib symbols at link time2 minutos
- ICU headers not found (prefix=/usr hardcoded in .pc files)2 minutos
- libgif.so.7 not found at runtime linking1 minuto
- Tiempo de instalación
- 36 minutos
- De máquina en frío a terminar
- 38 minutos
- Errores encontrados y corregidos
- 7 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- tesseract --version printed 5.5.3 with leptonica-1.82.0, libjpeg-turbo 2.1.5, libpng 1.6.43, libtiff 4.5.1, zlib 1.3, libwebp 1.3.2, libopenjp2 2.5.0; tesseract /tmp/test.png stdout returned 'HelloWorld 123'; ctest --exclude-regex progress_test reported 100% tests passed, 0 failed out of 52 in 31.51s
- Tokens de modelo usados
- 237.868
- Commit exacto probado
- 76865fa087c1
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
image.destroy();
}
TEST(QuickTest, ClassicProgressReporting) {
ClassicProgressTester(TESTING_DIR "/phototest.tif", TESSDATA_DIR "_fast", "eng");
}
exec
/bin/sh -lc 'cd /work/repo/build3 && export LD_LIBRARY_PATH=/tmp/staging/usr/lib/x86_64-linux-gnu &…
succeeded in 31369ms:
100% tests passed, 0 tests failed out of 52
Total Test time (real) = 31.51 sec
tokens used
237,868Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de los 7 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 36 minutos en instalarse, más lento que la mediana de los 11 proyectos comparables que ha medido Argusic.
De los 12 proyectos de hacktoberfest que Argusic ha instalado y cronometrado, tesseract fue el 11.º más rápido en llegar a funcionar, y 11 de 12 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
Historial de ejecuciones
Temas (de GitHub)
hacktoberfestlstmmachine-learningocrocr-enginetesseracttesseract-ocr
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/tesseract)Preguntas
- ¿Funciona tesseract?
- Sí. tesseract funciona. Argusic lo instaló y lo inició en una máquina limpia en 36 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic tesseract?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 76865fa087c1. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar tesseract?
- La ejecución que produjo este veredicto costó 0,14 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda tesseract en instalarse?
- 36 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita tesseract una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar tesseract?
- En la ejecución registrada fallaron 7 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara tesseract con las alternativas?
- De los 12 proyectos de hacktoberfest que Argusic ha instalado y cronometrado, tesseract fue el 11.º más rápido en llegar a funcionar, y 11 de 12 llegaron a funcionar.
- ¿Dónde está la evidencia de tesseract?
- Las 3 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.