ऑप्टिकल कैरेक्टर रिकॉग्निशन (ओसीआर) टेक्स्ट की छवियों - स्कैन, स्मार्टफोन फोटो, पीडीएफ - को मशीन द्वारा पढ़े जा सकने वाले टेक्स्ट और संरचित डेटा में बदल देता है। आधुनिक ओसीआर एक पाइपलाइन है जो एक छवि को साफ करती है, टेक्स्ट ढूंढती है, उसे पढ़ती है, और समृद्ध मेटाडेटा निर्यात करती है ताकि डाउनस्ट्रीम सिस्टम डेटा को खोज, अनुक्रमित या निकाल सकें। दो व्यापक रूप से उपयोग किए जाने वाले आउटपुट मानक हैं hOCR, टेक्स्ट और लेआउट के लिए एक एचटीएमएल माइक्रोफ़ॉर्मैट, और ALTO XML, एक पुस्तकालय/अभिलेखागार-उन्मुख स्कीमा; दोनों स्थितियों, पढ़ने के क्रम और अन्य लेआउट संकेतों को संरक्षित करते हैं और लोकप्रिय इंजनों द्वारा समर्थित हैं जैसे टेसरैक्ट.
प्रीप्रोसेसिंग। ओसीआर की गुणवत्ता छवि की सफाई से शुरू होती है: ग्रेस्केल रूपांतरण, डिनोइज़िंग, थ्रेसहोल्डिंग (बिनारिज़ेशन), और डेस्क्यूइंग। कैनोनिकल ओपनसीवी ट्यूटोरियल वैश्विक, अनुकूली और ओत्सु थ्रेसहोल्डिंग को कवर करते हैं - असमान प्रकाश या बिमोडल हिस्टोग्राम वाले दस्तावेज़ों के लिए स्टेपल। जब एक पृष्ठ के भीतर रोशनी बदलती है (फोन स्नैप्स सोचें), अनुकूली तरीके अक्सर एक ही वैश्विक थ्रेसहोल्ड से बेहतर प्रदर्शन करते हैं; ओत्सु हिस्टोग्राम का विश्लेषण करके स्वचालित रूप से एक थ्रेसहोल्ड चुनता है। झुकाव सुधार समान रूप से महत्वपूर्ण है: हफ-आधारित डेस्क्यूइंग (हफ लाइन ट्रांसफॉर्म) ओत्सु बिनारिज़ेशन के साथ मिलकर उत्पादन प्रीप्रोसेसिंग पाइपलाइनों में एक आम और प्रभावी नुस्खा है।
पहचान बनाम मान्यता। ओसीआर को आम तौर पर टेक्स्ट डिटेक्शन (टेक्स्ट कहाँ है ?) और टेक्स्ट रिकॉग्निशन (यह क्या कहता है?) में विभाजित किया जाता है। प्राकृतिक दृश्यों और कई स्कैन में, पूरी तरह से कनवल्शनल डिटेक्टर जैसे ईस्ट भारी प्रस्ताव चरणों के बिना कुशलतापूर्वक शब्द- या पंक्ति-स्तरीय चतुर्भुज की भविष्यवाणी करते हैं और आम टूलकिट में लागू किए जाते हैं (जैसे, ओपनसीवी का टेक्स्ट डिटेक्शन ट्यूटोरियल)। जटिल पृष्ठों (समाचार पत्र, फॉर्म, किताबें) पर, लाइनों/क्षेत्रों का विभाजन और पढ़ने के क्रम का अनुमान मायने रखता है:क्रैकेन पारंपरिक ज़ोन/लाइन सेगमेंटेशन और न्यूरल बेसलाइन सेगमेंटेशन को लागू करता है, जिसमें विभिन्न लिपियों और दिशाओं (LTR/RTL/ऊर्ध्वाधर) के लिए स्पष्ट समर्थन होता है।
मान्यता मॉडल। क्लासिक ओपन-सोर्स वर्कहॉर्स टेसरैक्ट (Google द्वारा ओपन-सोर्स, जिसकी जड़ें HP में हैं) एक कैरेक्टर क्लासिफायर से एक LSTM-आधारित अनुक्रम पहचानकर्ता में विकसित हुआ और खोज योग्य PDF, hOCR/ALTO-अनुकूल आउटपुट, और CLI से और भी बहुत कुछ उत्सर्जित कर सकता है। आधुनिक पहचानकर्ता पूर्व-खंडित वर्णों के बिना अनुक्रम मॉडलिंग पर भरोसा करते हैं। कनेक्शनिस्ट टेम्पोरल क्लासिफिकेशन (CTC) मौलिक बनी हुई है, जो इनपुट फ़ीचर अनुक्रमों और आउटपुट लेबल स्ट्रिंग्स के बीच संरेखण सीखती है; यह व्यापक रूप से लिखावट और दृश्य-पाठ पाइपलाइनों में उपयोग किया जाता है।
पिछले कुछ वर्षों में, ट्रांसफॉर्मर्स ने ओसीआर को नया रूप दिया है। TrOCR एक विज़न ट्रांसफॉर्मर एनकोडर और एक टेक्स्ट ट्रांसफॉर्मर डिकोडर का उपयोग करता है, जिसे बड़े सिंथेटिक कॉर्पोरा पर प्रशिक्षित किया जाता है और फिर वास्तविक डेटा पर फाइन-ट्यून किया जाता है, जिसमें मुद्रित, हस्तलिखित और दृश्य-पाठ बेंचमार्क में मजबूत प्रदर्शन होता है (यह भी देखें हगिंग फेस डॉक्स)। समानांतर में, कुछ सिस्टम डाउनस्ट्रीम समझने के लिए ओसीआर को दरकिनार करते हैं: डोनट (डॉक्यूमेंट अंडरस्टैंडिंग ट्रांसफॉर्मर) एक ओसीआर-मुक्त एनकोडर-डिकोडर है जो सीधे दस्तावेज़ छवियों से संरचित उत्तर (जैसे कुंजी-मूल्य JSON) आउटपुट करता है (रेपो, मॉडल कार्ड), जब एक अलग ओसीआर चरण एक IE सिस्टम को फीड करता है तो त्रुटि संचय से बचता है।
यदि आप कई लिपियों में बैटरी-शामिल टेक्स्ट रीडिंग चाहते हैं, EasyOCR 80+ भाषा मॉडल के साथ एक सरल एपीआई प्रदान करता है, जो बॉक्स, टेक्स्ट और आत्मविश्वास लौटाता है - प्रोटोटाइप और गैर-लैटिन लिपियों के लिए आसान। ऐतिहासिक दस्तावेज़ों के लिए, क्रैकेन बेसलाइन सेगमेंटेशन और स्क्रिप्ट-अवेयर रीडिंग ऑर्डर के साथ चमकता है; लचीले लाइन-स्तरीय प्रशिक्षण के लिए, कैलामरी ओक्रॉपी वंश पर बनाता है (ओक्रॉपी) (मल्टी-)एलएसटीएम+सीटीसी पहचानकर्ताओं और कस्टम मॉडल को फाइन-ट्यून करने के लिए एक सीएलआई के साथ।
सामान्यीकरण डेटा पर निर्भर करता है। लिखावट के लिए, IAM लिखावट डेटाबेस प्रशिक्षण और मूल्यांकन के लिए लेखक-विविध अंग्रेजी वाक्य प्रदान करता है; यह लाइन और शब्द पहचान के लिए एक लंबे समय से चली आ रही संदर्भ सेट है। दृश्य पाठ के लिए, कोको-टेक्स्ट ने एमएस-कोको पर व्यापक एनोटेशन स्तरित किए, जिसमें मुद्रित/हस्तलिखित, सुपाठ्य/अपठनीय, लिपि और पूर्ण प्रतिलेखन के लिए लेबल थे (मूल परियोजना पृष्ठभी देखें)। यह क्षेत्र सिंथेटिक प्रीट्रेनिंग पर भी बहुत अधिक निर्भर करता है: सिंथटेक्स्ट इन द वाइल्ड यथार्थवादी ज्यामिति और प्रकाश के साथ तस्वीरों में पाठ प्रस्तुत करता है, डिटेक्टरों और पहचानकर्ताओं को प्रीट्रेन करने के लिए भारी मात्रा में डेटा प्रदान करता है (संदर्भ कोड और डेटा).
के तहत प्रतियोगिताएं ICDAR’s रोबस्ट रीडिंग मूल्यांकन को आधार बनाती हैं। हाल के कार्यों में एंड-टू-एंड डिटेक्शन/रीडिंग पर जोर दिया गया है और इसमें शब्दों को वाक्यांशों में जोड़ना शामिल है, जिसमें आधिकारिक कोड रिपोर्टिंग सटीकता/रिकॉल/एफ-स्कोर, इंटरसेक्शन-ओवर-यूनियन (IoU), और कैरेक्टर-लेवल एडिट-डिस्टेंस मेट्रिक्स - जो अभ्यासकर्ताओं को ट्रैक करना चाहिए, को दर्शाता है।
ओसीआर शायद ही कभी सादे पाठ पर समाप्त होता है। अभिलेखागार और डिजिटल पुस्तकालय पसंद करते हैं ALTO XML क्योंकि यह सामग्री के साथ भौतिक लेआउट (निर्देशांक के साथ ब्लॉक/लाइनें/शब्द) को एन्कोड करता है, और यह METS पैकेजिंग के साथ अच्छी तरह से मेल खाता है। hOCR माइक्रोफ़ॉर्मैट, इसके विपरीत, ocr_line और ocrx_word जैसे क्लास का उपयोग करके HTML/CSS में उसी विचार को एम्बेड करता है, जिससे वे ब टूलिंग के साथ प्रदर्शन, संपादन और रूपांतरण करना आसान हो जाता है। टेसरैक्ट दोनों को उजागर करता है - जैसे, सीएलआई से सीधे एचओसीआर या खोज योग्य पीडीएफ बनाना (पीडीएफ आउटपुट गाइड); पाइथन रैपर जैसे pytesseract सुविधा जोड़ते हैं। hOCR और ALTO के बीच अनुवाद करने के लिए कन्वर्टर्स मौजूद हैं जब रिपॉजिटरी में निश्चित अंतर्ग्रहण मानक होते हैं - इस क्यूरेटेड सूची को देखें ओसीआर फ़ाइल-प्रारूप उपकरण.
सबसे मजबूत प्रवृत्ति अभिसरण है: पहचान, मान्यता, भाषा मॉडलिंग, और यहां तक कि कार्य-विशिष्ट डिकोडिंग एकीकृत ट्रांसफार्मर स्टैक में विलीन हो रहे हैं। बड़े सिंथेटिक कॉर्पोरा पर प्री-ट्रेनिंग एक बल गुणक बना हुआ है। ओसीआर-मुक्त मॉडल आक्रामक रूप से प्रतिस्पर्धा करेंगे जहां लक्ष्य वर्बेटिम ट्रांसक्रिप्ट के बजाय संरचित आउटपुट है। हाइब्र िड परिनियोजन की भी अपेक्षा करें: एक हल्का डिटेक्टर और लंबे-फॉर्म टेक्स्ट के लिए एक TrOCR-शैली पहचानकर्ता, और फॉर्म और रसीदों के लिए एक डोनट-शैली मॉडल।
टेसरैक्ट (गिटहब) · टेसरैक्ट डॉक्स · hOCR स्पेक · ALTO पृष्ठभूमि · ईस्ट डिटेक्टर · ओपनसीवी टेक्स्ट डिटेक्शन · TrOCR · डोनट · कोको-टेक्स्ट · सिंथटेक्स्ट · क्रैकेन · कैलामरी OCR · ICDAR आरआरसी · pytesseract · IAM लिखावट · ओसीआर फ़ाइल-प्रारूप उपकरण · EasyOCR
ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) एक प्रौद्योगिकी है जिसका उपयोग विभिन्न प्रकार के दस्तावेज़ों, जैसे कि कागजी दस्तावेज़, PDF फ़ाइलें या डिजिटल कैमरा द्वारा कैप्चर की गई छवियों, को संपादन योग्य और खोजनीय डेटा में परिवर्तित करने के लिए किया जाता है।
OCR एक इनपुट छवि या दस्तावेज़ को स्कैन करता है, छवि को अलग-अलग अक्षरों में बांटता है, और पैटर्न पहचान या विशेषता पहचान का उपयोग करके प्रत्येक वर्ण की तुलना करता है।
OCR का उपयोग विभिन्न क्षेत्रों और अनुप्रयोगों में किया जाता है, जैसे कि मुद्रित दस्तावेज़ों को डिजिटाइज़ करने, टेक्स्ट-टू-स्पीच सेवाओं को सक्षम करने, डेटा एंट्री प्रक्रियाओं को स्वचालित करने, और दृष्टिबाधित उपयोगकर्ताओं को टेक्स्ट के साथ बेहतर बातचीत करने सहायता करने।
हालांकि OCR प्रौद्योगिकी में काफ़ी प्रगति हुई है, लेकिन यह अचूक नहीं है। सटीकता मूल दस्तावेज़ की गुणवत्ता और उपयोग किए जा रहे OCR सॉफ़्टवेयर की बारीकियों पर निर्भर कर सकती है।
हालाँकि OCR मुद्रित टेक्स्ट के लिए मुख्य रूप से डिज़ाइन किया गया है, कुछ उन्नत OCR सिस् टम लिखावट पहचानने में भी सक्षम होते हैं। हालाँकि, आमतौर पर लिखावट की पहचान करने में कम सटीकता होती है क्योंकि व्यक्तिगत लेखन शैलियों में व्यापक भिन्नता होती है।
हाँ, कई OCR सॉफ़्टवेयर सिस्टम कई भाषाओं को पहचान सकते हैं। हालाँकि, यह महत्वपूर्ण है कि आपके उपयोग में आने वाले सॉफ़्टवेयर द्वारा विशिष्ट भाषा का समर्थन किया जा रहा हो।
OCR का अर्थ ऑप्टिकल कैरेक्टर रिकग्निशन है और इसका उपयोग मुद्रित पाठ को पहचानने के लिए किया जाता है, जबकि ICR, या इंटेलिजेंट कैरेक्टर रिकग्निशन, अधिक उन्नत है और इसका उपयोग हस्तलिखित पाठ को पहचानने के लिए किया जाता है।
OCR स्पष्ट, आसानी से पढ़ ने वाले फ़ॉन्ट और मानक टेक्स्ट आकारों के साथ सबसे अच्छा काम करता है। हालांकि यह विभिन्न फ़ॉन्ट और आकारों के साथ काम कर सकता है, लेकिन असामान्य फ़ॉन्ट्स या बहुत छोटे टेक्स्ट आकारों के साथ काम करते समय सटीकता कम होने की प्रवृत्ति होती है।
OCR को कम-रिज़ॉल्यूशन वाले दस्तावेज़ों, जटिल फ़ॉन्ट, खराब प्रिंट वाले पाठ, लिखावट, और ऐसी पृष्ठभूमि वाले दस्तावेज़ों के साथ समस्या हो सकती है जो पाठ के साथ हस्तक्षेप करती हैं। इसके अलावा, यह कई भाषाओं के साथ काम कर सकता है, लेकिन यह हर भाषा को पूरी तरह से कवर नहीं कर सकता है।
हाँ, OCR रंगीन टेक्स्ट और बैकग्राउंड को स्कैन कर सकता है, हालाँकि यह आमतौर पर उच्च-विपरीत रंग संयोजनों, जैसे कि एक सफे द पृष्ठभूमि पर काले टेक्स्ट, के साथ अधिक प्रभावी होता है। टेक्स्ट और पृष्ठभूमि रंगों में पर्याप्त विपरीतता की कमी होने पर सटीकता कम हो सकती है।
पीडीबी (प्रोटीन डेटा बैंक) इमेज फॉर्मेट JPEG या PNG जैसे पारंपरिक 'इमेज' फॉर्मेट नहीं है, बल्कि एक डेटा फॉर्मेट है जो प्रोटीन, न्यूक्लिक एसिड और जटिल असेंबलियों के बारे में त्रि-आयामी संरचनात्मक जानकारी संग्रहीत करता है। पीडीबी फॉर्मेट बायोइनफॉरमैटिक्स और संरचनात्मक जीव विज्ञान की आधारशिला है, क्योंकि यह वैज्ञानिकों को जैविक मैक्रोमोलेक्यूल्स की आणविक संरचनाओं को देखने, साझा करने और उनका विश्लेषण करने की अनुमति देता है। पीडीबी संग्रह का प्रबंधन वर्ल्डवाइड प्रोटीन डेटा बैंक (wwPDB) द्वारा किया जाता है, जो यह सुनिश्चित करता है कि पीडीबी डेटा वैश्विक समुदाय के लिए स्वतंत्र रूप से और सार्वजनिक रूप से उपलब्ध हैं।
पीडीबी फॉर्मेट को पहली बार 1970 के दशक की शुरुआत में आणविक संरचनाओं के प्रतिनिधित्व की एक मानकीकृत विधि की बढ़ती आवश्यकता को पूरा करने के लिए विकसित किया गया था। तब से, यह विभिन्न प्रकार के आणविक डेटा को समायोजित करने के लिए विकसित हुआ है। फॉर्मेट टेक्स्ट-आधारित है और इसे मनुष्यों द्वारा पढ़ा जा सकता है और साथ ही कंप्यूटर द्वारा संसाधित किया जा सकता है। इसमें रिकॉर्ड की एक श्रृंखला होती है, जिनमें से प्रत्येक एक छह-वर्णीय लाइन पहचानकर्ता से शुरू होती है जो उस रिकॉर्ड में निहित जानकारी के प्रकार को निर्दिष्ट करता है। रिकॉर्ड संरचना का विस्तृत विवरण प्रदान करते हैं, जिसमें परमाणु निर्देशांक, कनेक्टिविटी और प्रायोगिक डेटा शामिल हैं।
एक विशिष्ट पीडीबी फ़ाइल एक हेडर सेक ्शन से शुरू होती है, जिसमें प्रोटीन या न्यूक्लिक एसिड संरचना के बारे में मेटाडेटा शामिल होता है। इस सेक्शन में TITLE जैसे रिकॉर्ड होते हैं, जो संरचना का संक्षिप्त विवरण देते हैं; COMPND, जो रासायनिक घटकों को सूचीबद्ध करता है; और SOURCE, जो जैविक अणु की उत्पत्ति का वर्णन करता है। हेडर में AUTHOR रिकॉर्ड भी शामिल है, जो संरचना निर्धारित करने वाले लोगों के नाम सूचीबद्ध करता है, और JOURNAL रिकॉर्ड, जो उस साहित्य का उद्धरण प्रदान करता है जहां संरचना का पहली बार वर्णन किया गया था।
हेडर के बाद, पीडीबी फ़ाइल में SEQRES रिकॉर्ड में मैक्रोमोलेक्यूल की प्राथमिक अनुक्रम जानकारी होती है। ये रिकॉर्ड अवशेषों के अनुक्रम को सूचीबद्ध करते हैं (प्रोटीन के लिए अमीनो एसिड, न्यूक्लिक एसिड के लिए न्यूक्लियोटाइड) जैसा कि वे श्रृंखला में दिखाई देते हैं। यह जानकारी किसी अणु के अनुक्रम और उसकी त्रि-आयामी संरचना के बीच संबंध को समझने के लिए महत्वपूर्ण है।
ATOM रिकॉर्ड यकीनन पीडीबी फ़ाइल का सबसे महत्वपूर्ण हिस्सा हैं, क्योंकि उनमें अणु में प्रत्येक परमाणु के लिए निर्देशांक होते हैं। प्रत्येक ATOM रिकॉर्ड में परमाणु सीरियल नंबर, परमाणु नाम, अवशेष नाम, श्रृंखला पहचानकर्ता, अवशेष अनुक्रम संख्या और एंगस्ट्रॉम में परमाणु के x, y और z कार्टेशियन निर्देशांक शामिल होते हैं। ATOM रिकॉर्ड अणु की त्रि-आयामी संरचना के पुनर्निर्माण की अनुमति देते हैं, जिसे PyMOL, Chimera या VMD जैसे विशेष सॉफ़्टवेयर का उपयोग करके देखा जा सकता है।
ATOM रिकॉर्ड के अतिरिक्त, HETATM रिकॉर्ड उन परमाणुओं के लिए होते हैं जो गैर-मानक अवशेषों या लिगैंड का हिस्सा होते हैं, जैसे धातु आयन, पानी के अणु या अन्य छोटे अणु जो प्रोटीन या न्यूक्लिक एसिड से बंधे होते हैं। इन रिकॉर्ड को ATOM रिकॉर्ड के समान ही स्वरूपित किया जाता है, लेकिन संरचना के भीतर गैर-मैक्रोमोलेक्यूलर घटकों की पहचान को सुविधाजनक बनाने के लिए प्रतिष्ठित किया जाता है।
कनेक्टिविटी जानकारी CONECT रिकॉर्ड में प्रदान की जाती है, जो परमाणुओं के बीच के बंधों को सूचीबद्ध करती है। ये रिकॉर्ड अनिवार्य नहीं हैं, क्योंकि अधिकांश आणविक विज़ुअलाइज़ेशन और विश्लेषण सॉफ़्टवेयर परमाणुओं के बीच की दूरी के आधार पर कनेक्टिविटी का अनुमान लगा सकते हैं। हालाँकि, वे असामान्य बंधों को परिभाषित करने या धातु समन्वय परिसरों वाली संरचनाओं के लिए महत्वपूर्ण हैं, जहाँ केवल परमाणु निर्देशांक से बंधन स्पष्ट नहीं हो सकता है।
पीडीबी फॉर्मेट में अल्फा हेलिक्स और बीटा शीट जैसे माध्यमिक संरचना तत्वों को निर्दिष्ट करने के लिए रिकॉर्ड भी शामिल हैं। HELIX और SHEET रिकॉर्ड इन संरचनाओं की पहचान करते हैं और अनुक्रम के भीतर उनके स्थान के बारे में जानकारी प्रदान करते हैं। यह जानकारी मैक्रोमोलेक्यूल के फोल्डिंग पैटर ्न को समझने में मदद करती है और तुलनात्मक अध्ययन और मॉडलिंग के लिए आवश्यक है।
संरचना निर्धारित करने के लिए उपयोग किए जाने वाले प्रायोगिक डेटा और विधियों को भी पीडीबी फ़ाइल में प्रलेखित किया जाता है। EXPDTA जैसे रिकॉर्ड प्रायोगिक तकनीक (जैसे, एक्स-रे क्रिस्टलोग्राफी, NMR स्पेक्ट्रोस्कोपी) का वर्णन करते हैं, जबकि REMARK रिकॉर्ड में संरचना के बारे में विभिन्न प्रकार की टिप्पणियाँ और एनोटेशन हो सकते हैं, जिसमें डेटा संग्रह, रिज़ॉल्यूशन और शोधन आँकड़े शामिल हैं।
END रिकॉर्ड पीडीबी फ़ाइल के अंत को दर्शाता है। यह ध्यान रखना महत्वपूर्ण है कि जबकि पीडीबी फॉर्मेट का व्यापक रूप से उपयोग किया जाता है, इसकी उम्र और निश्चित कॉलम चौड़ाई फॉर्मेट के कारण इसकी कुछ सीमाएँ हैं, जिससे आधुनिक संरचनाओं के साथ समस्याएँ हो सकती हैं जिनमें बड़ी संख्या में परमाणु होते हैं या अधिक परिशुद्धता की आवश्यकता होत ी है। इन सीमाओं को दूर करने के लिए, mmCIF (मैक्रोमोलेक्यूलर क्रिस्टलोग्राफिक इंफॉर्मेशन फ़ाइल) नामक एक अद्यतन फॉर्मेट विकसित किया गया है, जो मैक्रोमोलेक्यूलर संरचनाओं का प्रतिनिधित्व करने के लिए एक अधिक लचीला और विस्तार योग्य ढांचा प्रदान करता है।
mmCIF फॉर्मेट के विकास के बावजूद, पीडीबी फॉर्मेट अपनी सादगी और इसका समर्थन करने वाले बड़ी संख्या में सॉफ़्टवेयर टूल के कारण लोकप्रिय बना हुआ है। शोधकर्ता अक्सर अपनी आवश्यकताओं और उनके द्वारा उपयोग किए जा रहे टूल के आधार पर पीडीबी और mmCIF फॉर्मेट के बीच कनवर्ट करते हैं। पीडीबी फॉर्मेट की दीर्घायु संरचनात्मक जीव विज्ञान के क्षेत्र में इसकी मौलिक भूमिका और अपेक्षाकृत सरल तरीके से जटिल संरचनात्मक जानकारी को व्यक्त करने में इसकी प्रभावशीलता का प्रमाण है।
पीडीबी फ़ाइलों के साथ काम करने के लिए, वैज्ञानिक विभिन्न प्रकार के कम्प्यूटेश नल टूल का उपयोग करते हैं। आणविक विज़ुअलाइज़ेशन सॉफ़्टवेयर उपयोगकर्ताओं को पीडीबी फ़ाइलों को लोड करने और संरचनाओं को तीन आयामों में देखने, उन्हें घुमाने, ज़ूम इन और आउट करने और परमाणुओं की स्थानिक व्यवस्था को बेहतर ढंग से समझने के लिए विभिन्न रेंडरिंग शैलियों को लागू करने की अनुमति देता है। ये टूल अक्सर अतिरिक्त कार्यक्षमताएँ प्रदान करते हैं, जैसे दूरी, कोण और डायहेड्रल को मापना, आणविक गतिकी का अनुकरण करना और संरचना के
यह कनवर्टर पूरी तरह से आपके ब्राउज़र में चलता है। जब आप किसी फ़ाइल का चयन करते हैं, तो उसे मेमोरी में पढ़ा जाता है और चयनित प्रारूप में परिवर्तित किया जाता है। फिर आप परिवर्तित फ़ाइल डाउनलोड कर सकते हैं।
रूपांतरण तुरंत शुरू हो जाते हैं, और अधिकांश फ़ाइलें एक सेकंड के भीतर परिवर्तित हो जाती हैं। बड़ी फ़ाइलों में अधिक समय लग सकता है।
आपकी फाइलें कभी भी हमारे सर्वर पर अपलोड नहीं की जाती हैं। वे आपके ब्राउज़र में परिवर्तित हो जाती हैं, और फिर परिवर्तित फ़ाइल डाउनलोड हो जाती है । हम आपकी फाइलें कभी नहीं देखते हैं।
हम जेपीईजी, पीएनजी, जीआईएफ, वेबपी, एसवीजी, बीएमपी, টিআইএফএফ, और अधिक सहित सभी छवि प्रारूपों के बीच रूपांतरण का समर्थन करते हैं।
यह कनवर्टर पूरी तरह से मुफ्त है, और हमेशा मुफ्त रहेगा। क्योंकि यह आपके ब्राउज़र में चलता है, हमें सर्वर के लिए भुगतान करने की आवश्यकता नहीं है, इसलिए हमें आपसे शुल्क लेने की आवश्यकता नहीं है।
हाँ! आप एक साथ जितनी चाहें उतनी फाइलें परिवर्तित कर सकते हैं। बस उन्हें जोड़ते समय कई फाइलों का चयन करें।