doctr

项目介绍：docTR

docTR 项目是一个由 Mindee 推出的开源项目，专注于通过光学字符识别（OCR）技术解析和识别文档中的文本。该项目基于 TensorFlow 2 和 PyTorch 框架，旨在使光学字符识别变得无缝且可供任何人使用。

项目功能

docTR 可以高效地从文档中解析文本信息，包括定位和识别每个单词。此外，它还提供如何将该功能集成到现有系统中的指导。

快速上手

获取预训练模型

在 docTR 中，OCR 通过两阶段的方法实现：首先进行文本检测（定位单词），然后进行文本识别（识别单词中的所有字符）。用户可以从提供的实现中选择用于文本检测和识别的架构。

from doctr.models import ocr_predictor

model = ocr_predictor(det_arch='db_resnet50', reco_arch='crnn_vgg16_bn', pretrained=True)

读取文件

docTR 支持从 PDF 或图像文件中读取文档：

from doctr.io import DocumentFile
# PDF
pdf_doc = DocumentFile.from_pdf("path/to/your/doc.pdf")
# Image
single_img_doc = DocumentFile.from_images("path/to/your/img.jpg")

综合分析

利用默认的预训练模型进行文档分析示例：

from doctr.io import DocumentFile
from doctr.models import ocr_predictor

model = ocr_predictor(pretrained=True)
doc = DocumentFile.from_pdf("path/to/your/doc.pdf")
result = model(doc)

文档旋转处理

docTR 提供多种处理旋转文档或多方向文本框的方法，确保文本识别的准确性。

KIE 预测器

KIE 预测器比传统 OCR 更灵活，可以在文档中检测多个类别，例如日期和地址。

from doctr.io import DocumentFile
from doctr.models import kie_predictor

model = kie_predictor(det_arch='db_resnet50', reco_arch='crnn_vgg16_bn', pretrained=True)
doc = DocumentFile.from_pdf("path/to/your/doc.pdf")
result = model(doc)

安装指南

先决条件

安装 docTR 需要 Python 3.10 或更高版本以及 pip。

最新发行版

可以通过 pip 安装最新版本：

pip install python-doctr

如果需要深度学习框架支持，可以选择安装特定框架：

# 安装 TensorFlow
pip install "python-doctr[tf]"
# 安装 PyTorch
pip install "python-doctr[torch]"

模型架构

docTR 实现了多个已发布的研究论文中的架构，包括 DBNet、CRNN 等，用于文本检测和识别。

其他功能

项目提供了详细的文档、简单的演示应用，以及用于不同平台的演示版本，包括本地运行和基于 TensorFlow.js 的在线运行。

Docker 支持

docTR 提供 Docker 支持，便于测试和部署。docTR 的 Docker 镜像支持 GPU，并基于 CUDA 12.2。

示例脚本

对 PDF 或图像文件的简单文档分析示例：

python scripts/analyze.py path/to/your/doc.pdf

API 集成

可以将 docTR 集成到 API 中，使用 FastAPI 框架提供模板进行开发和部署。

贡献和许可证

docTR 项目欢迎开源社区的贡献，并根据 Apache 2.0 许可证发布。

docTR 提供强大的 OCR 功能和超高的灵活性，是文本识别领域的优秀工具，对于开发者和企业而言，都是一种高效而适用的解决方案。