this post was submitted on 05 Aug 2023
79 points (100.0% liked)
ich_iel
115 readers
1 users here now
Die offizielle Zweigstelle von ich_iel im Fediversum.
Alle Pfosten müssen den Titel 'ich_iel' haben, der Unterstrich darf durch ein beliebiges Symbol oder Bildschriftzeichen ersetzt werden. Ihr dürft euch frei entfalten!
📱 Empfohlene Schlaufon-Applikationen für Lassmich
Befreundete Kommunen:
Regeln:
1. Seid nett zueinander
Diskriminierung anderer Benutzer, Beleidigungen und Provokationen sind verboten.
2. Pfosten müssen den Titel 'ich_iel' oder 'ich iel' haben
Nur Pfosten mit dem Titel 'ich_iel' oder 'ich iel' sind zugelassen. Alle anderen werden automatisch entfernt.
Unterstrich oder Abstand dürfen durch ein beliebiges Textsymbol oder bis zu drei beliebige Emojis ersetzt werden.
3. Keine Hochwähl-Maimais oder (Eigen)werbung
Alle Pfosten, die um Hochwählis bitten oder Werbung beinhalten werden entfernt. Hiermit ist auch Eigenwerbung gemeint, z.b. für andere Gemeinschaften.
4. Keine Bildschirmschüsse von Unterhaltungen
Alle Pfosten, die Bildschirmschüsse von Unterhaltungen, wie beispielsweise aus WasistApplikaton oder Zwietracht zeigen, sind nicht erlaubt. Hierzu zählen auch Unterhaltungen mit KIs.
5. Keine kantigen Beiträge oder Meta-Beiträge
ich_iel ist kein kantiges Maimai-Brett. Meta-Beiträge, insbesondere über gelöschte oder gesperrte Beiträge, sind nicht erlaubt.
6. Keine Überfälle
Wer einen Überfall auf eine andere Gemeinschaft plant, muss diesen zuerst mit den Mods abklären. Brigadieren ist strengstens verboten.
7. Keine Ü40-Maimais
Maimais, die es bereits in die WasistApplikation-Familienplauderei geschafft haben oder von Rüdiger beim letzten Stammtisch herumgezeigt wurden, sind besser auf /c/ichbin40undlustig aufgehoben.
8. ich_iel ist eine humoristische Plattform
Alle Pfosten auf ich_iel müssen humorvoll gestaltet sein. Humor ist subjektiv, aber ein Pfosten muss zumindest einen humoristischen Anspruch haben. Die Atmosphäre auf ich_iel soll humorvoll und locker gehalten werden.
9. Keine Polemik, keine Köderbeiträge, keine Falschmeldungen
Beiträge, die wegen Polemik negativ auffallen, sind nicht gestattet. Desweiteren sind Pfosten nicht gestattet, die primär Empörung, Aufregung, Wut o.Ä. über ein (insbesonders, aber nicht nur) politisches Thema hervorrufen sollen. Die Verbreitung von Falschmeldungen ist bei uns nicht erlaubt.
Bitte beachtet auch die Regeln von Feddit.de
founded 1 year ago
MODERATORS
Danke für den Link. Das scheint interessant zu sein und werde ich mir anschauen.
PS: wie findet man eigentlich sowas? Kennst du dich einfach aus und weißt wonach du suchen musst oder hast du einen trick wie man der suchmaschine sinnvoll einfüttert, dass wenn man nach open source Texterkennung fragt nicht bloß tesseract rauskommt?
Ich habe mich Mal kurz beruflich mit solchen Sachen beschäftigt, weil wir tausende Laborberichte digitalisieren mussten. Da wir aber keine Softwareentwickler sind und meine Kenntnisse da bei weitem nicht reichen um sowas zuverlässig zu implementieren haben wir das dann letztlich von Studenten abtippen lassen ¯\_(ツ)_/¯
Auf DONUT war ein Arbeitskollege gestoßen, aber woher er das hatte weiß ich auch nicht.
Ach so ein persönlicher Abtippstudent wäre auch praktisch. :D Danke für die Info!
Ich glaub tesseract verwendet gar keine neuronalen Netze oder doch?
https://static.googleusercontent.com/media/research.google.com/de//pubs/archive/33418.pdf
Eine Definition "Neuronale Netze" = KI gibt es nicht. Andere mathematische Methoden der heuristischen Mustererkennung könnte man genauso als KI bezeichnen oder eben beides nicht. Die meisten assoziieren moderne Deep Learning Systeme mit KI, aber eine feststehenden Definition ist das nicht. Liegt auch daran, dass schon für "Intelligenz" selbst verschiedene Definitionen existieren und das auch eher schwammig ist.
Laut LIESMICH ab version 4 schon:
Tesseract 4 adds a new neural net (LSTM) based OCR engine which is focused on line recognition, but also still supports the legacy Tesseract OCR engine of Tesseract 3 which works by recognizing character patterns.
load more comments
(1 replies)
So blöd es klingt und ich tesseract eigentlich mag, die Erkennung ist oft nicht sehr gut. Die kommerzielle Lösung von Adobe hat da mehr auf dem Kasten.
pdfsandwich macht das recht zuverlässig und benutzt intern auch tesseract. Vermutlich mit besseren Parametern.
Gerade ausprobiert. (Musste erst ein wenig in etc rumspielen, weil imagemagick wohl nicht genug rechte zum bearbeiten von pdfs hat) Das Ergebnis ist tatsächlich besser. Allerdings bin ich nur an der Textausgabe interessiert und nicht an einer durchsuchbaren pdf.
Dafür nehme ich pdftotext (glaube Teil von poppler).
Aber für dich wäre es vermutlich schlauer über debug modus, /proc/.../cmdline oder quellcode die settings für tesseract rauszufinden, die pdfsandwich verwendet, damit du dein frontend entsprechen konfigurieren kannst.