是tesseract 3.00多線程？

Question

我讀過一些其他帖子，建議他們在3.00中添加多線程支持。但我不確定是否在3.00發佈時添加它。

除了多線程，運行多個tesseract過程是實現併發性的一個可行選項嗎？

謝謝。

Answer 1

不可以。您可以瀏覽代碼http://code.google.com/p/tesseract-ocr/source/browse/幹線中的當前代碼似乎都不使用多線程。 （至少查看基類，api和神經網絡類）

Answer 2

我做過的一件事情是調用GNU並行來運行Tess *的多個實例，因爲多核系統可以運行多頁文件轉換爲單頁圖像。

這是一個簡短的程序，很容易在大多數Linux發行版上編譯（我正在使用OpenSuSE 11.4）。

下面是我用命令行：

/usr/local/bin/parallel -j 4 \ 
    /usr/local/bin/tesseract -psm 1 -l eng {} {.} \ 
    ::: /tmp/tmp/*.jpg 

的-J4告訴並行使用所有四個CPU核心，我有一臺服務器上。

如果您運行此操作，並在另一個終端中執行「頂部」操作，則一次最多可以看到四個進程，直到它翻閱指定目錄中的所有JPG文件。

您的負載不應超過系統中CPU內核的數量（如果您運行Linux）。

這裏的鏈接到GNU並行：

http://www.gnu.org/software/parallel/

Answer 3

我沒有使用parallel以及上一個CentOS，這種方式：

ls | parallel --gnu "tesseract {} {.}" 

我用--gnu選項從建議stdout日誌是：

parallel: Warning: YOU ARE USING --tollef. IF THINGS ARE ACTING WEIRD USE --gnu. 

{}和{.}是並行的佔位符：在這種情況下，您要告訴tesseract使用列出的文件作爲第一個參數，並使用沒有擴展名的同一文件名作爲第二個參數 - 在並行手冊頁中很好地解釋了所有內容。

現在，如果你有 - 說 - 三個.tif文件並運行tesseract三次，每一個文件，總結了執行時間，然後運行命令上面timeparallel之前，你可以輕鬆地檢查加速。