RapidAI/RapidOCR

📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.

解決する課題

RapidOCR は、複数のプラットフォームと言語にわたって迅速なオフライン展開を実現する、高速でオープンソースの光学文字認識（OCR）ツールを提供します。推論プロセスを簡素化することで、端末デバイスに深層学習 OCR モデルを展開する際の工学的課題に対処します。

仕組み

このプロジェクトは、PaddleOCR のモデルを互換性の高い ONNX 形式に変換します。この変換により、精度を維持しながら高速かつ低リソース消費を実現します。複数の推論エンジン（ONNX Runtime、TensorRT、OpenVINO、PyTorch など）をサポートし、Python、C++、Java、C# を含む複数のプログラミング言語に移植されています。

対象ユーザー

クラウドサービスに依存せずに高性能な OCR 機能をアプリケーションに統合する必要がある開発者、および特定のシナリオ向けに微調整を通じて OCR 認識をカスタマイズしたい開発者。

ハイライト

  • マルチプラットフォーム＆マルチ言語：Linux、Windows、Mac をサポートし、コアコンポーネントは Python、C++、Java、C# で利用可能。
  • 広範な互換性：ONNX Runtime、TensorRT、OpenVINO などのさまざまな推論エンジンで動作。
  • 迅速な展開：シンプルな操作と高速な応答時間、低リソースオーバーヘッドを実現。
  • カスタマイズ可能：PaddleOCR を使用して独自のデータでモデルを微調整し、RapidOCR で展開できます。

関連

  • プロジェクト
    PaddlePaddle/PaddleOCR

    PaddleOCRは、画像やPDFを構造化されたLLM対応テキスト、表、Markdown/JSONに変換するオープンソースのOCRおよびドキュメントAIツールキットです。PP-OCRv6による多言語シーンテキスト認識モデルと、PaddleOCR-VL / PP-StructureV3による軽量な視覚言語モデルを提供し、最先端の精度、高速なCPU/GPU推論、DockerからブラウザSDKまで幅広いデプロイオプションを備えています。DifyやRAGFlowなどのRAGプラットフォームと統合されており、AIエージェントや検索拡張生成パイプラインのデータエンジンとして活用されます。

  • プロジェクト
    zibo-chen/ocr-rs

    PaddleOCRモデルとMNN推論ランタイムに基づく軽量なRust OCRライブラリ。50以上の言語でテキスト検出と認識を提供。

  • プロジェクト
    sdcb/PaddleSharp

    PaddlePaddle AI モデルを OCR、オブジェクト検出、NLP に使用できるようにする、PaddleInference C API 用の .NET ラッパー。

  • プロジェクト
    microsoft/onnxruntime

    PyTorch や TensorFlow などのさまざまなフレームワークのモデルの推論とトレーニングを最適化するクロスプラットフォームの機械学習アクセラレータ。

  • プロジェクト
    Topdu/OpenOCR

    OpenOCRは、復旦大学が提供するオープンソースのOCRツールキットです。フルドキュメント解析、テキスト・数式・表の統合認識、および高性能なSVTRv2ベースのOCRシステム向けに、軽量（約0.1Bパラメータ）なモデルを提供します。すぐに実行可能なデモ、トレーニングスクリプト、ベンチマークが含まれており、研究および実環境へのデプロイの両方をターゲットとしています。