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 localhost ல் Run பண்ணுகின்ற போது 404  Eror வந்தது. இவ்வாறு 2 நாட்கள் முயற்சி செய்தும் வரவில்லை
Read more

Post -30

-
Image
Visions virtual leadership training  course to Noolaham Foundation Staffs     இன்று 25.01.2021 நூலக நிறுவனத்தில் leadership training க்கான orientation(நோக்குநிலை) நடைபெற்றது. இவ் அமர்வு meera from california, Rishmi from newyork and Shylet from Tamil Nadu அவர்களால் நடைபெற்றது. இதில் நூலக நிறுவனத்திலிருந்தும்(Jaffna) நூலக நிறுவன கிளைகளில்(Batticalo,Kilinochi,Hatton) இருந்தும் 30 Staffs கலந்துகொண்டனர்.  இதன் முதல் கட்டமாக Meera,Rishmi and Shylet அவர்களின் அறிமுகம் இடம்பெற்றது. அதைத்தொடர்ந்து பங்குகொண்ட அனைவரும் தங்களை அறிமுகப்படுத்திக்கொண்டனர்.  அதை தொடர்ந்து Meera அவர்களால் leadership training க்கான ஒரு அறிமுகம் Slides மூலம் ஊழியர்களுக்கு வழங்கப்பட்டது. பின்பு leadership க்கான assignment சில செய்யப்பட்டது .           இரண்டாம் நாளாக (26.01.2021) leadership training course ஆரம்பமானது. இன்று முதல் நாளாக leadership தொடர்பான விளக்கம் மற்றும் leadership and administration இடையிலான வேறுபாடு மற்றும் leadership இல் இருக்கும் ஒருவர் எதிர்கொள்ளும் பிரச்சினைகள், இருக்கும் பண்புகள் பற்றி விளக்கம
Read more