Post - 27

-

எழுத்துணரி(தமிழ் அல்லது ஆங்கிலம்) கோப்புக்களை உருவாக்குதல்

 

நோக்கம் (Purpose of the Document)

 நூலக நிறுவனத்தில் மின்வருடப்பட்ட ஆவணங்களின் ஒவ்வொரு தனிப்பட்ட TIF

ஆவணங்களையும் text file ஆக மாற்றி வலைத்தளத்தில் பதிவேற்றம் செய்வதற்கும்,

மின்னூல் உருவாக்கத்திற்கு அடிப்படையாகத் தேவைப்படும் Text (எழுத்துருக்களை)

பெற்றுக்கொள்வதற்கு Tesseract4 திறந்த வெளி (Open Source)  மென்பொருட்களைப் பயன்படுத்தி 

உருவாக்கப்பட்ட தானியக்க script இதுவாகும்.

 

Script - https://github.com/geethasingam/digitization-pipeline/tree/master/tesseractOCR 


பிரச்சினைகள் (Problems)


மின்வருடப்படும் ஆவணங்கள்மின்னூலாகவும், எழுத்துணரியாக்க கோப்பாக நூலக

வலைத்தளத்தில் பதிவேற்றப்படுவதற்கும் தேவை உள்ளது. இதுவரை காலமும் Google OCR

பயன்படுத்தப்பட்டது. Google OCR தனிநபர் சேவையாகவும், 

திறந்த கட்டற்ற மென்பொருளாகவும் அல்லாத காரணத்தால் பிற சேவைகளை நாட

வேண்டிய தேவை ஏற்பட்டது அல்லது பணம் செலுத்த வேண்டிய தேவை ஏற்படும். 


நன்மைகள் (Benefits)


Tesseract4 திறந்த மூல கட்டற்ற மென்பொருளாக உள்ள காரணத்தால் இதன் பயன்பாடு

நூலகத்திற்கு மிக அவசிய தேவையாகக் கருதப்படுகிறது. ஆரம்பகட்ட நிலையிலேயே இப்போது இதன்

சேவை காணப்பட்டாலும் விரைவில் இது ஒரு சிறந்த சேவையாக உருவாக்கம் பெறும். இதன் மூலம்

நூலகத்திற்கு தேவையான எழுத்துணரி சார்ந்த தேவைகளை பூர்த்தி 

செய்துகொள்ள முடியும். 


Prerequisites

  • Python 3

  • Tesseract OCR 

  • Text Cleaner

Script ஐ கையாளும் முறை

  1. Step 1:

எழுத்துணரியாக்கம் செய்யப்பட வேண்டிய ஆவணத்தின் TIF கோப்புக்கள் அடங்கிய Folder ன் path ஐ 

script ல் குறிப்பிடல்

        

  1. Step2:

script ஐ run செய்தல்

 

Reference:

Comments

Post a Comment

Popular posts from this blog

01.10.2018 To 22.10.2018

-
 வணக்கம் நண்பர்களே,         மன்னிக்கவும் , சிறிதளவு வேலை காரணமாக என்னால் சில நாட்கள் தொடர முடியவில்லை. இன்று மீண்டும் தொடருவோம்.       நான் இந்த மாத காலத்தில் தெரியாத பல விடயங்கள் படித்திருந்தேன். மற்றும் எனது வழமையான வேலையான  Auto முறையில் கட்டுரைகள் இணைத்தலையும் தொடர்ந்து வந்தேன். இப்போது என்ன புது விடயங்கள் கற்று வந்தேன் என பார்ப்போம்.     இந்த மாதத்தின் முதல் 2 நாட்கள் Auto முறையில் கட்டுரைகள் இணைத்தலில் ஈடுபட்டு வந்தேன். பின் ஒரு நாள் Natkeeran அண்ணா call பண்ணி புதிய வேலை ஒன்று தந்து சென்றார்.      எனது Lap ல் Drupal-8 பதிவிறக்கம் செய்யுமாறு கூறினார். அது வரையில் Drupal என்றால் என்ன என்றே நான் அறியவில்லை.     பின் youtube ல் Drupal பற்றிய video க்களை பார்த்து சற்று அறிந்து கொண்டேன். பின் பதிவிறக்குவதற்கு  youtube ல் video ஒன்றை பார்த்து அதன் படி செய்து வந்தேன். அந்த  video ல் வழி நடத்தி சென்ற போல எல்லாம் சரியாக வந்துகொண்டிருந்தது. நானும் சந்தோசத்தில் இருந்தேன். ஆனால் கடைசியில் localh...
Read more

பிள்ளைகளின் எதிர்காலம் பெற்றோர்களின் கைகளிலேயே தங்கியுள்ளது. - கட்டுரை

-
பிள்ளைகளின் எதிர்காலம் பெற்றோர்களின் கைகளிலேயே தங்கியுள்ளது. வாசிப்பு என்பது அனைத்து வயதினருக்கும் அவசியமானதொன்றாகும். வாசிப்புப் பழக்கமானது ஒருவரின் அறிவு மட்டுமன்றி, தெளிவு, கிரகித்தல், உடனடியாகப் பதிலளித்தல், நாபிறழ்வின்றி சரளமாகக் கதைத்தல், எவர் முன்பும் பதிலளிக்கக் கூடிய துணிவு, சொல்லாண்மை, வசன உருவாக்கம் போன்ற குணங்களை வளர்க்கின்றது. வாசிப்புப் பழக்கத்தைப் புறம்தள்ளிப் போகின்றவர்கள் இலகுவாகச் சரளமாகக் கதைக்கவோ உடனடியாகப் பதிலளிக்கவோ சிரமப்படுகின்றார்கள். ஒரு விடயத்தை, ஒரு கவிதையை, ஒரு நீண்ட வசனத்தை எளிதில் கிரகித்து விளங்கிக் கொள்ளும் தன்மை குறைவாகக் காணப்படுவதற்கும் வாசிப்புப் பழக்கமின்மையே காரணமாகும். ஒரு பிள்ளை கருவிலிருக்கும் போதே தாய் நல்ல புத்தகங்களை வாசிப்பது பயனுள்ளது என ஆராய்ச்சியாளர்கள் கூறுகின்றனர். ஒவ்வொரு பிள்ளையின் வாசிப்புப் பழக்கமானது அப்பிள்ளையின் பெற்றோர்களிலேயே தங்கியுள்ளது. பெற்றோர்கள் தங்கள் பிள்ளைகளின் வாசிப்புப் பழக்கத்தினைச் சிறுபராயத்தில் இருந்தே வளர்த்துக்கொள்ள வேண்டும். ஒரு பிள்ளையின் வாசிப்புப் பழக்கத்தினை அதிகரித்துக் கொள்வதற்கு...
Read more