بىلىك كۇلۇبى

ھەرخىل تېخنىكىلار => ئۇيغۇرچىغا ئائىت تېخنىكىلار => Topic started by: Designer on (UTC+3) 07:48, 2021-04-22

Title: كونا مۇقام: OCR
Post by: Designer on (UTC+3) 07:48, 2021-04-22
ئۇيغۇرچە OCR نى ئىشلەۋاتىدۇ دەپ ئاڭلىغىلى 15 يىل بولدى، جانغا ئەسقاتىدىغان بىرەر سېستىمىنىڭ بارلىقىنى كۆرمىدىم. مۇشۇ ھەقتە تەجىربىسى بار قېرىنداشلار Open Source تۈردىن بىرنى تۇرغۇزساڭلار، گۇگۇلنىڭ Tesseract دىگەندەك تەييار قۇراللېرىدىن پايدىلىنىپ ئاز - ئازدىن بولسىمۇ تاتىلاپ باقساق بىرەر نەتىجە چىقارغىلى بولارمۇ؟
 كۆرىۋاتىسلەر كىتاپلېرىمىز جىق، بىراق ھەممىسى PDF، مەزمۇنىنى ئىزدەشكە ئامال يوق. ئۇيغۇرچە OCR بولسا شۇ كىتاپلېرىمىز «تىرىلەتتى».
Tesseract نى سىناپ باققانلار بارمۇ؟ بولسا تەجىربە جەريانى ۋە نەتىجىسىنى تونۇشتۇرۇپ باقمامسىلەر؟ ئاڭلىسام بەزىدە خېلى ياخشى ئىشلەمىش.
Title: تېما: كونا مۇقام: OCR
Post by: Designer on (UTC+3) 18:05, 2021-04-23
Tesseract.js نى سىناپ باقتىم، ئوخشىمىغان خەت نۇسخىسى ئىشلىتىلگەن بىر قانچە پارچە كىتاپنى سىناپ باقتىم. بەزىلېرىنىڭ ئۈنۈمى ياخشى، يەنە بەزىلېرىنىڭ ياخشى ئەمەس. «باھادىرنامە» نى سىنىسام ئۈنۈمى ياخشى چىقمىدى، «تارىخى ھەمىدى» نى سىنىسام نەتىجىسى خېلى ياخشى چىقتى. بىر تېخنىكىلىق مەسىلە قۇر ئالماشقاندا ئىككى قۇرغا پارچىلانغان سۆزلەرنى ياخشى بىر تەرەپ قىلالمايدىكەن. بەلكىم بۇ مەسىلىنى ھەل قىلالىشىمىز مۇمكىن.
تۆۋەندىكىسى مەن سىناق قىلغان «تارىخى ھەمىدى» نىڭ بىر بېتىدىن تونۇتۇلغان تېكسىت:
سۇلنان ئەبۇ سەئىد مىرزا بولسا غەيرەت-شىجائەت› ھىممەت ۋە
ساخاۋەتلىك بەخشەندە قىلىنغان بىر پادىشا ئىدى› ئۇنىڭ ھىممەت-
لىرى شۇ دەرىجىگە پەتكەنىكى› بەزىسلەر خۇددى بۇ ئالەمىگە بىركەد
خۇدا (بىرلا ھۆكۈمران ت) كۇپايە قىلغىنىدەك› يەر يۈزىدىكى
بارلىق زىمىنغا ئىككى پادىشا ھاجەت ئەمەس› بەلكى سۇلتان ئەبۇ `
سەئىد مىرزىدەك بىرلا پادىشا كۇپايە قىلىدۇ دەيتتى. ئۇ تېسمۇرىيە
تەختى ۋە مەملىكىتىگە ئون ئالته يىل ھۆكۈمرانلىق قىلدى. ئۇنىڭدىن
كېيىن› ئوغلى ئۆمەر شەپخ مىرزا فەرغانە ۋىلاپىتى ۋە ماۋارائۇن-
نەھرى مەملىكەتلىرىگە ئىگىدارچىلىق قىلىشقا قانائەتلىنىپ› پىگىرمە
يەتتە يىل ھۆكۈمرانلىق قىلدى. ئۇنىڭدىن كېيىن› ئىنىسى مۇھەھ-
مەت مىرزا تەختكە ۋارىسلىق قىلدى. ئىككى يىلدىن كېيىن ئۆزبېك
تايىپىلىرى ئىستىلا قىلىپ› فەرغانە ۋىلايىتى ۋە ماۋارائۇننەھرىگە
ئىگە بولدى. ه

سۇلتان ئەبۇ سەئىد مىرزا زامانىدا› سۇلتان ھۈسەيىن مىرزا بىننى
مىرزا بايقارا بىننى ئۆمەر شەيخ باھادۇر بىننى ئەمىر كەبىر تېمۇر كورا-
گانى خوراسان مەملىكىتىگە ھاكىم. ئىدى› بۇ چاغدا تېمۇرىيە تەختى
سۇلتان ھۇسەيىن مىرزىغا قارار تاپتى ۋە ھىراتنى پايتەخت قىلدى.
ئىراق› ئەچەم› ئىسپاھان› پارس› ئەزەربەیجان قاتارلىق جاپلار-
دىكى تۆت يۆز قىرق تۆت چوڭ شەھەرنى سۇلتان ئەبۇ سەئىد مىرزىغا
ۋاكالىتەن سەككىز يىل ۋە ئۆزى مۇستەقىل ئوتتۇز سەككىز يىل
پادىشالىق قىلىپ ھۆكۈم سۇردى. بۇنىڭ دەۋرىدە بىرمۇنچە فازىل
يازغۇچىلار› ئۆلىمالار› شائىرلار جهم بولۇپ ئۆتكەن ئىدى. مەۋلانا
ھۈسەيىن ۋائىز كاشفى. (697 مەۋلانا موئىنىددىن. (98 مەۋلىۋى جامى (99)
Title: تېما: كونا مۇقام: OCR
Post by: Designer on (UTC+3) 18:26, 2021-04-23
تۇتۇلغان تېكىستنى بىر قۇر ئىملا تەكشۈرۈشتىن ئۆتكۈزۋەتسەك، بەلكىم ئىشلەتكىلى بولىدىغان ھالەتكە كېلىشى مۇمكىن. بىلىشىمچە بۇنى داۋاملىق مەشىق قىلغۇزساق ئۈنۈمى يوقۇرى كۆتۈرۈلىدىكەن. مەشىق قىلدۇرۇش ئۈچۈن ئاۋال تېكىستنى سۈرەتكە ئايلاندۇرۇپ، ئاندىن ئۇنى باشقىدىن تونۇتۇپ، ئەسلى تېكىستكە سىلىشتۇرساق بۇلارمۇ؟
Title: تېما: كونا مۇقام: OCR
Post by: arslan on (UTC+3) 19:09, 2021-04-23
ماۋۇ ئەپتە ئۇيغۇرچە OCR باركەن، ئوبدان ئىشلىدى.  سىناپ بېقىڭلار:

https://apps.apple.com/us/app/uyghur-man/id1488519932?ls=1
Title: تېما: كونا مۇقام: OCR
Post by: Designer on (UTC+3) 02:17, 2021-04-24
سىناپ باقتىم، مانا بۇ نەتىجىسى.
سۇلنان ئەبۇ سەئىد مىرزا بولسا غەيرەت-شىجائەت› ھىممەت ۋە
ساخاۋەتلىك بەخشەندە قىلىنغان بىر پادىشا ئىدى› ئۇنىڭ ھىممەت-
لىرى شۇ دەرىجىگە پەتكەنىكى› بەزىسلەر خۇددى بۇ ئالەمىگە بىركەد
خۇدا (بىرلا ھۆكۈمران ت) كۇپايە قىلغىنىدەك› يەر يۈزىدىكى
بارلىق زىمىنغا ئىككى پادىشا ھاجەت ئەمەس› بەلكى سۇلتان ئەبۇ `
سەئىد مىرزىدەك بىرلا پادىشا كۇپايە قىلىدۇ دەيتتى. ئۇ تېسمۇرىيە
تەختى ۋە مەملىكىتىگە ئون ئالته يىل ھۆكۈمرانلىق قىلدى. ئۇنىڭدىن
كېيىن› ئوغلى ئۆمەر شەپخ مىرزا فەرغانە ۋىلاپىتى ۋە ماۋارائۇن-
نەھرى مەملىكەتلىرىگە ئىگىدارچىلىق قىلىشقا قانائەتلىنىپ› پىگىرمە
يەتتە يىل ھۆكۈمرانلىق قىلدى. ئۇنىڭدىن كېيىن› ئىنىسى مۇھەھ-
مەت مىرزا تەختكە ۋارىسلىق قىلدى. ئىككى يىلدىن كېيىن ئۆزبېك
تايىپىلىرى ئىستىلا قىلىپ› فەرغانە ۋىلايىتى ۋە ماۋارائۇننەھرىگە
ئىگە بولدى. ه

سۇلتان ئەبۇ سەئىد مىرزا زامانىدا› سۇلتان ھۈسەيىن مىرزا بىننى
مىرزا بايقارا بىننى ئۆمەر شەيخ باھادۇر بىننى ئەمىر كەبىر تېمۇر كورا-
گانى خوراسان مەملىكىتىگە ھاكىم. ئىدى› بۇ چاغدا تېمۇرىيە تەختى
سۇلتان ھۇسەيىن مىرزىغا قارار تاپتى ۋە ھىراتنى پايتەخت قىلدى.
ئىراق› ئەچەم› ئىسپاھان› پارس› ئەزەربەیجان قاتارلىق جاپلار-
دىكى تۆت يۆز قىرق تۆت چوڭ شەھەرنى سۇلتان ئەبۇ سەئىد مىرزىغا
ۋاكالىتەن سەككىز يىل ۋە ئۆزى مۇستەقىل ئوتتۇز سەككىز يىل
پادىشالىق قىلىپ ھۆكۈم سۇردى. بۇنىڭ دەۋرىدە بىرمۇنچە فازىل
يازغۇچىلار› ئۆلىمالار› شائىرلار جهم بولۇپ ئۆتكەن ئىدى. مەۋلانا
ھۈسەيىن ۋائىز كاشفى. (697 مەۋلانا موئىنىددىن. (98 مەۋلىۋى جامى (99)
Title: تېما: كونا مۇقام: OCR
Post by: Memtimin on (UTC+3) 03:04, 2021-04-24
 غەيرەتكام UyghurEditPP نى يېڭىلاپ OCR نى قوشۇپتىكەن (كۈچەيتىپكەن)، خېلى يامان ئەمەس ئىشلەيدىكەن.



ئادرېسى:
https://github.com/gheyret/UyghurEditPP (https://github.com/gheyret/UyghurEditPP)
Title: تېما: كونا مۇقام: OCR
Post by: Designer on (UTC+3) 22:53, 2021-04-26
قارىغاندا ئۇيغۇرمەن ۋە ئۇيغۇر ئېدىتنىڭ ھەر ئىككىلىسى گۇگۇل Tesseract نى ئىشلىتىپتۇ. مەن سىناق قىلسام ئوخشاش نەتىجە بەردى.
دىمەك بىز يەنىلا Tesseract نى مەشقى قىلدۇرىشىمىز كېرەككەن.
Title: تېما: كونا مۇقام: OCR
Post by: arslan on (UTC+3) 20:19, 2021-04-27
github دىكى OCR پروگراممىىسى ئىكەن، قوللايدىغان تىللار ئىچىدە ئۇيغۇرچىمۇ باركەن. سىناپ باقساق بولغۇدەك.
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.1/doc/doc_en/multi_languages_en.md#language_abbreviations