Topdu/OpenOCR

解决的问题

OpenOCR 是一个专为处理「通用 OCR」任务而设计的综合性工具包。它解决了包含纯文本、数学公式和表格的复杂文档难以准确解析的难题，弥合了学术研究与工业部署之间的差距。

工作原理

该工具包提供多个专用系统和模型：

• OpenDoc-0.1B：一个轻量级文档解析系统，采用两阶段流水线。首先通过 PP-DocLayoutV2 进行版面分析，然后使用 UniRec-0.1B 模型识别文本、公式和表格。
• UniRec-0.1B：一个具有 0.1B 参数的统一识别模型，从头开始在 UniRec40M 数据集上训练，可识别中英文文本和公式。
• OpenOCR System：基于 SVTRv2 的实用 OCR 系统，支持服务器和移动端模型，为中英文文本检测与识别提供高精度。
• SVTRv2：一个场景文本识别基准与模型，利用 CTC 在准确率和速度上超越编码器-解码器模型，尤其在使用 Union14M 等大规模真实数据集训练时表现突出。

适用人群

适用于专注于 OCR 和文档理解的研究人员，以及希望部署高效率、商用级 OCR 和文档解析系统的开发者和产业合作伙伴。

核心亮点

• 超轻量：包含 OpenDoc 和 UniRec 等仅 0.1B 参数的模型。
• 统一识别：可在单一框架内识别文本、公式和表格。
• 高性能：OpenDoc-0.1B 在 OmniDocBench (v1.5) 上达到 90.57%，OpenOCR 系统在准确率上比 PP-OCRv4 提升 4.5%。
• 广泛兼容：支持 ONNX 模型导出，便于在各类环境中集成。