我在之前的文章中介绍过OCR（光学字符识别），各大厂商都在逐步开源他们的OCR工具和大型模型。
我们强烈推荐百度开源PaddleOCR作为最好的工具之一。
Huggingface最近开源了一个大型端到端模型GOT-OCR2.0。我想可以说OCR2.0不仅可以识别普通文本，还可以识别数学公式、乐谱、图形等复杂内容。全能。
介绍
GOT-OCR2.0是端到端的OCR模型，解决OCR1.0的问题和痛点。除了传统的文档识别外，还支持多场景下的复杂公式、图形等复杂内容。使用编码器和解码器的集成版本来处理多种输入类型和高分辨率图形处理。随着OCR2.0的发布，新一代OCR技术已经到来。
%20
官网地址：https://huggingface.co/ucaslcl/GOT-OCR2_0
github地址：https://github.com/Ucas-HaoranWei/GOT-OCR2.0
%20
安装
%20安装时，最好使用GPU或功能强大的CPU。
//克隆代码git%20%20clone%20%20https://github.com/Ucas-HaoranWei/GOT-OCR2.0.gitcd%20%20GOT-OCR2.0//安装环境conda%20%20create%20%20-n%20%20got%20%20python=3.10%20-yconda%20%20activategotpip%20%20install%20%20-e%20%20.//Flash安装-注意pip%20%20安装ninjapip%20%20安装flash-attn%20%20--no-build-isolation
下载等待
https://pan.baidu.com/s/1G4aArpCOt6I_trHv_1SE2g?code=OCR2
//纯文本OCR:python3%20GOT/demo/run_ocr_2.0.py%20%20--model-name%20%20/GOT_weights/--image-file%20%20/an/image/file.png --type ocr//格式化文本OCR:python3 GOT/demo/run_ocr_2. 0.py --model-name /GOT_weights/--image-file /an/image/file.png --type 格式识别效果：
识别效果
识别效果
识别效果
优势、缺点
我认为OCR2.0在识别数学公式方面非常擅长。 OCR2.0支持各种OCR场景任务，支持高分辨率识别，端到端模型设计，小于1.5G。研究团队指出，GOT-OCR2.0仍有改进的空间，例如尚不支持中文和英文。研究团队的求知精神当然值得赞扬。 [称赞]
论文：https://arxiv.org/pdf/2409.0170 有兴趣的朋友可以阅读论文。
好了，今天的介绍就到这里了。想要继续探索GOT-OCR2.0的朋友，请访问官网和github阅读更多信息或在评论区留言。如果有时间我会写一篇关于PaddleOCrR VS GOT-OCR2.0的文章。同时，我们欢迎朋友们加入并为开源做出贡献。 [鞠躬]
版权声明：本文转载于网络，版权归作者所有。如有侵权，请联系本站编辑删除。
