从零开始使用Surya-OCR最新版本0.6.1——最强文本检测模型:新添表单表格检测识别

目录

一、更新概述

二、环境安装

1.基础环境配置

2.模型参数下载

3.参数地址配置------settings.py

三、指令使用

1.命令指令运行


一、更新概述

surya项目Github地址:https://github.com/VikParuchuri/surya

号称今年最强OCR的surya近期迎来新的更新,Vik大佬更新了表格检测的模型。

最新surya------0.6.1版本的识别效果如下。现在还可以识别文章阅读的行文顺序,对表格内的数字信息也可以很好的提取。

二、环境安装

1.基础环境配置

在之前使用surya的0.3.0 版本中使用的是torch1.12.1 ,更新后的surya的0.6.0 版本需要更高的torch环境,因此需要重新创建虚拟环境,并安装高于2.3.0的Pytorch。

此处python版本虽然官方文档说和0.3.0版本一样3.9+ 即可,但使用3.9会红字报错,因为一些代码使用和书写规范在3.9后发生改变,最好使用版本在**3.10+**以上,如果坚持使用3.9,按下面使用部分报错修改处,处理源码。

python 复制代码
# 创建虚拟conda环境
conda create -n surya0.6 python=3.10
# 激活环境
conda activate surya0.6

# 安装更高版本pytorch
pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu118

# 或者官网稳定版2.4.1
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118


## cpu版本
pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cpu

pytorch安装好了以后直接pip安装最新版surya即可。在编写此文时最新版的为0.6.1版本。

python 复制代码
# 安装最新版本surya
pip install --upgrade surya-ocr

最好将其最新的源码也下载下来,方便后续项目的查看和调试。

Github地址Surya:https://github.com/VikParuchuri/surya

2.模型参数下载

和之前一样如果想直接使用surya需要有良好的"科学上网"配置,因为源码或安装库里面都不直接下载好的了模型参数,第一次使用会到huggingface下载对应模型参数。

因此有两种解决办法,一是使用huggingface的国内镜像网站hf-mirror;或者提前下载好模型参数到项目目录,在设置中修改模型地址。本文选择后者。

huggingface作者surya模型参数保存地址:https://huggingface.co/vikp

(推荐) 国内hugging-mirror镜像地址:https://hf-mirror.com/models?search=vikp

下载好的模型参数可以在surya源码下载处新建一个huggingmodel子文件夹,下存放各种模型参数。

3.参数地址配置------settings.py

推荐将模型下载到本地后,再在surya项目环境安装包源码处修改全局参数中关于模型加载地址部分,这样更不容易报错。

首先打开在conda中安装的虚拟环境文件夹地址,在以下文件路径中。所有安装在虚拟环境中的库都在此路径下。

python 复制代码
miniconda\envs\surya0.6\Lib\site-packages

在所有安装库中找到surya名称的文件,再打开就可以看到settings.py文件了。

根据之前源码拆解博文修改其中的模型配置参数。

博文快速链接:https://blog.csdn.net/qq_58718853/article/details/137815688

三、指令使用

1.命令指令运行

有了上述环境准备后,可以直接使用指令快速使用。只需将实际本地图片地址替换下方Data_Path即可。

python 复制代码
# ocr文本检测识别
surya_ocr Data_Path

# detect文本行检测
surya_detect Data_Path

# layout板式分析
surya_layout Data_PATH

# table表格检测
surya_table Data_PATH

# order文本阅读顺序
surya_order Data_PATH

首先实验一下检测模型(只需要surya_det3)是否可以使用。结果会在项目项新建一个results文件夹。

再来测试一下ocr模型。(需要surya_det3和surya_rec2模型)

还有表格模型。(需要surya_rec2和surya_layout3和surya_tablerec模型)

2.可视化结果

只需在上述命令行指令后面加上"--images"即可完成可视化保存。

python 复制代码
# 可视化保存
surya_detect DataPath --images

本文随意截取了两张csdn界面的图像,使用surya进行识别检测测试。

文本行检测模型可视化结果如下。其检测框似乎还不错,至少有95%以上的正确框。

板式分析layout模型检测效果如下。

表格检测模型效果如下。

相关推荐
豆浩宇1 天前
学习PaddlePaddle--环境配置-PyCharm + Conda
人工智能·深度学习·学习·目标检测·计算机视觉·pycharm·paddlepaddle
算家云1 天前
新一代实时检测工具——YOLOv13本地部署教程,复杂场景,一目了然!
人工智能·目标检测·算家云·模型部署教程·镜像社区·yolov13
HUIMU_1 天前
DAY20-新世纪DL(DeepLearning/深度学习)战士:终(目标检测/YOLO)3
深度学习·yolo·目标检测·滑动窗口·非极大值抑制·交并比·bouding box
TextIn智能文档云平台2 天前
AI文档产品与传统OCR软件的根本区别是什么?
人工智能·ocr
a1111111111ss2 天前
基于 YOLOv11n 的无人机航拍小目标检测算法学习
yolo·目标检测·无人机
doris6102 天前
固定资产管理系统核心功能拆解:批量导入、OCR 识别有多高效?
ocr·资产管理·固定资产管理系统
猫头虎2 天前
猫头虎AI分享:无需OCR,基于ColQwen2、Qwen2.5和Weaviate对PDF进行多模态RAG的解决方案
microsoft·ai·pdf·aigc·ocr·ai编程·ai-native
GUPAOAI2 天前
阅兵背后的科技:战场上的目标检测与无人机巡检
人工智能·科技·深度学习·目标检测·计算机视觉·ai·无人机
微笑伴你而行3 天前
小土堆目标检测笔记
笔记·目标检测·目标跟踪
2202_756749693 天前
YOLO 目标检测:YOLOv5网络结构、Focus、CSP、自适应Anchor、激活函数SiLU、SPPF、C3
人工智能·yolo·目标检测·php