docTR
Bibliothèque open-source de compréhension de documents en python pour les développeurs et les data scientists.
Deep learning OCR entrainable permettant les cas d'utilisation les plus avancés en matière de compréhension des documents.
État de l'art
Bénéficiez des dernières avancées en matière de computer vision pour résoudre les cas d'utilisation les plus complexes dans le domaine du traitement des documents.
Open source
Créez une capacité d'OCR sur mesure qui peut être hébergée dans votre environnement afin de respecter votre politique en matière de confidentialité des données.
Entrainable
Obtenir des performances d'extraction élevées à grande échelle aux États-Unis, en l'Europe ou de n'importe quel alphabet latin, dans divers secteurs et industries.
Une bibliothèque complète de compréhension de documents pour les développeurs et les data scientists
OCR pré-entraîné
OCR en python, prêt à l'emploi, entraîné sur des millions de documents en alphabet latin
De bout en bout
Pipeline d'OCR en deux étapes utilisant des algorithmes de détection et de reconnaissance de texte
Entrainement
Scripts d'entraînement à la détection et à la reconnaissance de texte pour PyTorch et TensorFlow
Datasets publiques
Prise en charge intégrée des jeux de données publics les plus célèbres pour les défis d'OCR
Détection des artefacts
Algorithmes de détection pour les codes QR, les codes-barres, les signatures, les visages...
Benchmark
Comparaison entre les différents modèles en termes de recall, de précision et de FPS
Application de démo locale
Générateur d'interface utilisateur pour les démonstrations locales, alimenté par Streamlit
Compression du modèle
Prise en charge de la demi-précision et de la quantification pour l'optimisation des modèles
Une approche de l'OCR en deux étapes permettant un entrainement complet
Obtenez une précision maximale en formant les couches de détection et de reconnaissance de texte à votre problème spécifique.
Detection models
Recognition models:
Voir la démo sur Hugging Face