ndl-lab/ndlocr-lite

解决的问题

NDLOCR-Lite 是一款轻量级 OCR（光学字符识别）工具，旨在将书籍与杂志的图像转换为文本数据。它特别解决了在标准家用电脑（如笔记本电脑）上运行高性能 OCR 的需求，无需专用 GPU，让一般消费级硬件也能轻松进行数字典藏。

运作原理

该系统结合了三个主要模块来处理图像：

1. 版面识别：使用 DEIMv2（采用从 DINOv3 蒸馏出的 ViT-Tiny 模型）来识别页面结构。
2. 文字识别：采用 PARSeq 来识别识别区域内的实际字符。
3. 阅读顺序排序：将识别出的文字整理为正确的逻辑顺序。

模型使用 PyTorch 训练，随后转换为 ONNX 格式以实现高效执行。该工具可通过桌面应用程序（具备屏幕截图模式）或命令行界面使用。

适用对象

• 正在数字化书籍、杂志与历史文件的研究人员与档案管理员。
• 需要在没有高端服务器硬件的情况下对日文文字（包含直书与横书）进行 OCR 的用户。
• 寻求支持 ONNX 模型且可自定义 OCR 流程的开发者。

特色亮点

• 无需 GPU 运作：针对标准 Windows、Mac 与 Linux 笔记本电脑进行了快速执行优化。
• 广泛的格式支持：可处理 JPG、PNG、TIFF、JP2、BMP 与 WebP 文件。
• 手写支持：增强了对手写字符的识别能力（自 v1.2 起）。
• 灵活的输出：提供 XML 与 JSON 格式的结果，并具备可选的可视化模式以标示识别出的文字区域。