ndl-lab/ndlocr-lite

解决的问题

NDLOCR-Lite 为数字化书籍和杂志提供了一种轻量级的光学字符识别（OCR）解决方案。它专为在标准家用电脑（笔记本电脑）和常见操作系统上运行而设计，无需 GPU，即可实现从档案资料的数字图像中快速提取文本。

工作原理

该系统结合了三个主要模块，将图像转换为文本：

1. 布局识别：使用 DEIMv2 识别文档的结构。
2. 文字识别：使用 PARSeq 识别实际字符。
3. 阅读顺序排序：将识别出的文本按正确顺序排列。

模型使用 PyTorch 训练，然后转换为 ONNX 格式以实现高效执行。应用程序可通过桌面 GUI（支持 Windows、Mac 和 Linux）或使用 Python 的命令行接口（CLI）使用。

适用人群

适用于需要从图像中数字化印刷体或手写日文文本，但缺乏高端硬件（如专用 GPU）的用户，或偏好使用简单桌面应用程序进行档案工作的用户。

主要亮点

• 硬件高效：专为在通用 CPU 上快速运行而设计，无需 GPU。
• 多平台支持：兼容 Windows 11、macOS（包括 Apple M4）和 Ubuntu 22.04。
• 输入格式多样：支持 JPG、PNG、TIFF、JP2、BMP 和 WebP 等多种图像格式。
• 手写支持：v1.2 版起增强对手写字符的识别能力。
• 输出灵活：可输出 XML 或 JSON 格式的结果。