全新开源 OCR 模型:精准识别复杂内容,迈向 2.0 时代!

在如今信息爆炸的时代,如何高效处理大量扫描文档成了每个大家日常生活工作中必备技能。

最近,一款端到端的开源 OCR 模型GOT-OCR2.0,号称将跨向 OCR 2.0 时代!

从正式发布官方 Demo 开始,凭借其出色的识别效果,短短两天时间在 GitHub 上斩获 2.5k Star。

接下来,跟大家详细介绍下它。

项目介绍

GOT 是一个统一的、优雅的端到端模型,包含高压缩编码器和长上下文解码器。

作为一个 OCR-2.0 模型,GOT 能够处理各种 OCR 任务,包括 普通文本、数学/分子公式、表格、图表、乐谱,甚至几何形状等内容识别。

在输入端,模型支持常见的场景和文档风格的图像,包括切片和整页风格。在输出端,GOT 可以通过简单的提示生成纯文本或格式化文档。

安装指南

  1. 克隆代码到本地,并进入文件夹:
复制代码
git clone https://github.com/Ucas-HaoranWei/GOT-OCR2.0.gitcd 'the GOT folder'
  1. 安装依赖包:
复制代码
conda create -n got python=3.10 -yconda activate gotpip install -e .
  1. 安装 Flash-Attention:
复制代码
pip install ninjapip install flash-attn --no-build-isolation

在线体验

官方提供在线演示 Demo,可以直接在 HuggingFace 上体验,地址在末尾。

写在最后

此外,值得一说,该模型拿到了 BLEU 高达 0.972 高分,碾压众多 OCR 工具。再看下识别的效果。

以上便是 GOT 工具的详细介绍。

总的来说,该模型识别精确度非常高,能支持非常多复杂场景,如音符、数学公式等。

而且模型大小仅 1.43 GB,本地运行起来相信要求的配置不是特别高,感兴趣的可以试试。

相关推荐
Virgil1391 小时前
【TrOCR】训练代码
人工智能·深度学习·ocr
weixin_307779132 天前
批量OCR的GitHub项目
python·github·ocr
AI人工智能+2 天前
应用俄文OCR技术,为跨语言交流与数字化管理提供更强大的支持
人工智能·ocr·文字识别
云天徽上3 天前
【PaddleOCR】OCR表格识别数据集介绍,包含PubTabNet、好未来表格识别、WTW中文场景表格等数据,持续更新中......
python·ocr·文字识别·表格识别·paddleocr·pp-ocrv5
Edward-tan5 天前
基于 opencv+yolov8+easyocr的车牌追踪识别
python·opencv·ocr·yolov8
晓13136 天前
OpenCV篇——项目(二)OCR文档扫描
人工智能·python·opencv·pycharm·ocr
秋窗76 天前
Mac 部署Latex OCR并优化体验(打包成App并支持全局快捷键)
macos·ocr·latex
RainSerein6 天前
Laravel8中调取腾讯云文字识别OCR
ocr·php·腾讯云·laravel
老胖闲聊16 天前
Python pytesseract【OCR引擎库】 简介
开发语言·python·ocr
沉到海底去吧Go17 天前
【工具教程】PDF指定区域OCR识别重命名工具使用教程和注意事项
pdf·ocr·图片区域识别改名·仓储物流单据识别·物流单据识别改名·pdf区域识别改名·pdf区域识别重命名