5款视觉OCR开源模型

一、号称「世界上最好的 OCR 模型」Mistral OCR

Mistral OCR 擅长理解复杂的文档元素,包括交错图像、数学表达式、表格和高级布局(如 LaTeX 格式)。该模型可以更深入地理解丰富的文档,尤其是包含图表、图形、公式和数字的科学论文。

支持英语、中文、日语等 100 多种语言,满足全球用户的需求。并且提供结构化的 JSON 输出,可轻松与你的系统集成。更多内容请查阅法国大模型独角兽Mistral发布全新OCR文档解析模型,复杂表格识别超96%!

Code:Mistral OCR - Intelligent Text Recognition & Extraction

二、号称「最好用最易用的OCR工具」Umi-OCR

Umi-OCR 是免费开源的离线 OCR 文字识别软件。无需联网,解压即用,支持截图、批量图片、PDF 扫描件的文字识别,能识别数学公式、二维码,可生成双层可搜索 PDF。

  • 免费:本项目所有代码开源,完全免费。
  • 方便:解压即用,离线运行,无需网络,适用于 Windows、Linux。
  • 高效:自带高效率的离线OCR引擎,内置多种语言识别库。
  • 灵活:支持命令行、HTTP接口等外部调用方式。

功能 :截图OCR / 批量OCR / PDF识别 / 二维码 / 公式识别**。**

Umi-OCR 可以将纸质文档、书籍、合同等转换为可编辑的电子文本,提高文档存储和检索的效率。也可用于自动提取发票、报表、证件等文档中的数据,减少人工输入错误提高工作效率。

Code:GitHub - hiroi-sora/Umi-OCR: OCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片,PDF文档识别,排除水印/页眉页脚,扫描/生成二维码。内置多国语言库。

三、号称「专注于复杂布局PDF文档解析」olmOCR

olmOCR 通过 Qwen2-VL-7B-Instruct 进行训练,专门针对 PDF 和文档图像提取干净、结构化的纯文本,并以 Markdown 格式输出,极大地提升了文本解析的精准度、可读性和可用性。模型在 100,000 多个 PDF 中的 260,000 页样本上进行训练,训练样本包括图形、手写文本和质量较差的扫描文件。

本地部署要求配置是RTX 4090及以上显卡,显存要大于20GB。更多内容请查阅手写笔记、复杂表格、学术公式不再识别错误?数据、模型及代码均开源

Code:GitHub - allenai/olmocr: Toolkit for linearizing PDFs for LLM datasets/training

四、号称「全能多模态解析王」GOT-OCR 2.0

来自清华和旷视的研究团队提出了一个通用的OCR-2.0模型,模型能够处理各种OCR任务中的上述所有类型的"字符",是一个统一且优雅的端到端模型,包含高压缩编码器和长上下文解码器。能处理数学公式、分子式、图表、乐谱、几何图形等多种内容,并且模型大小仅1.43GB适合本地轻量化部署。

更多内容请查阅通过统一的端到端模型,实现文本、数学公式、表格、图表及乐谱等内容的精确处理,同时支持场景和文档风格等

Code:GitHub - Ucas-HaoranWei/GOT-OCR2.0: Official code implementation of General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model

五、号称「擅长表格识别」Surya OCR

Surya:多语言文档OCR工具包,可进行准确的文本行检测,即将推出文本识别功能,以及表格和图表检测功能,可以处理各种类型的文档和多种语言。其中主要针对表格识别进行优化:能精准识别表格的行、列、单元格结构,包括旋转或复杂布局的表格,性能优于当前主流开源模型。

Code:GitHub - VikParuchuri/surya: OCR, layout analysis, reading order, table recognition in 90+ languages

参考链接:

视觉领域OCR难题不再?5款开源模型精准解析数字、文本、表格及公式等内容!教育/金融/医疗场景全覆盖!

相关推荐
安替-AnTi25 分钟前
Google Colab测试部署Qwen大模型,实现PDF转MD场景OCR 识别(支持单机环境)
pdf·ocr·多模态·qwen 2.5·图片转文本
程序员Linc27 分钟前
PP-OCR的安卓端部署
android·ocr·pp-ocr·安卓部署
ZJL-阿友1 天前
python pdf转图片再OCR
python·pdf·ocr
Tester_孙大壮2 天前
OCR技术与视觉模型技术的区别、应用及展望
人工智能·ai·ocr
标贝科技2 天前
大模型预标注和自动化标注在OCR标注场景的应用
大数据·数据库·自动化·ocr
开开心心就好2 天前
免费多平台运行器,手机畅玩经典主机大作
服务器·python·学习·安全·微信·智能手机·ocr
沉到海底去吧Go2 天前
【图片识别分类】如何快速识别照片中的水印文字,对图片进行关键字分类,快速整理水印相机拍摄图片,基于WPF和腾讯OCR的技术实现
数码相机·ocr·wpf
学也不会5 天前
ocr-身份证正反面识别
ocr
合合技术团队5 天前
TextIn ParseX文档解析参数使用指南(第一期)
大数据·人工智能·算法·ocr·文档解析
ocr_sinosecu17 天前
OCR进化史:从传统到深度学习,解锁文字识别新境界
人工智能·深度学习·ocr