Topdu/OpenOCR

解決的問題

OpenOCR 是一個專為處理「通用 OCR」任務而設計的綜合性工具包。它解決了包含純文字、數學公式與表格的複雜文件難以準確解析的難題，彌補學術研究與工業部署之間的差距。

工作原理

該工具包提供多個專用系統與模型：

• OpenDoc-0.1B：一個輕量級文件解析系統，採用兩階段流程。首先透過 PP-DocLayoutV2 進行版面分析，再使用 UniRec-0.1B 模型識別文字、公式與表格。
• UniRec-0.1B：一個具有 0.1B 參數的統一識別模型，從頭在 UniRec40M 資料集上訓練，可識別中英文文字與公式。
• OpenOCR System：基於 SVTRv2 的實用 OCR 系統，支援伺服器與行動端模型，為中英文文字檢測與識別提供高準確度。
• SVTRv2：一個場景文字識別基準與模型，利用 CTC 在準確率與速度上超越編碼器-解碼器模型，尤其在使用 Union14M 等大規模真實資料集訓練時表現突出。

適用對象

適用於專注於 OCR 與文件理解的研究人員，以及希望部署高效率、商用級 OCR 與文件解析系統的開發者與產業合作夥伴。

核心亮點

• 超輕量：包含 OpenDoc 與 UniRec 等僅 0.1B 參數的模型。
• 統一識別：可在單一框架內識別文字、公式與表格。
• 高性能量：OpenDoc-0.1B 在 OmniDocBench (v1.5) 上達成 90.57%，OpenOCR 系統在準確率上比 PP-OCRv4 提升 4.5%。
• 廣泛相容：支援 ONNX 模型匯出，便於在各類環境中整合。