AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


一款优秀的开源项目,PDF扫描件识别也超容易
发布日期:2024-09-13 13:05:07 浏览次数: 1845 来源:哎呀AIYA


在文本处理的过程中,图片和扫描件是无法绕开的数据类型,也是业界的处理难点,也是热点的优化方向。本篇文章将介绍一款相关的开源项目,该项目在github上拥有24.9k star,涨星飞快。它是一个OCR技术的集合体,能高效解决问题:

项目特点

  • 免费:本项目所有代码开源,完全免费

  • 方便:解压即用,离线运行,无需网络。

  • 高效:自带高效率的离线OCR引擎,内置多种语言识别库。

  • 灵活:支持命令行、HTTP接口等外部调用方式。

  • 功能:截图OCR / 批量OCR / PDF识别 / 二维码 / 公式识别

安装使用

软件发布包下载为 .7z 压缩包或 .7z.exe 自解压包。自解压包可在没有安装压缩软件的电脑上,解压文件。
本软件无需安装。解压后,点击 Umi-OCR.exe 即可启动程序。
# 下载地址https://hiroi-sora.lanzoul.com/s/umi-ocr (国内推荐,免注册/无限速)https://github.com/hiroi-sora/Umi-OCR/releases/latest

模块举例

文档识别

文档识别

  • 支持格式:pdf, xps, epub, mobi, fb2, cbz

  • 对扫描件进行OCR,或提取原有文本。可输出为 双层可搜索PDF 。

  • 支持设定 忽略区域 ,可用于排除页眉页脚的文字。

  • 可设置任务完成后 自动关机/休眠 。

公式识别

Umi-OCR的公司识别能力是基于Pix2Text实现的。Pix2Text 是一个开源OCR项目,能够识别既包含文字又包含数学公式的混合图片。

截图OCR

截图OCR:打开这一页后,就可以用快捷键唤起截图,识别图中的文字。

  • 左侧的图片预览栏,可直接用鼠标划选复制。

  • 右侧的识别记录栏,可以编辑文字,允许划选多个记录复制。

  • 也支持在别处复制图片,粘贴到Umi-OCR进行识别。

文本后处理


关于 OCR文本后处理 - 排版解析方案:可以整理OCR结果的排版和顺序,使文本更适合阅读和使用。预设方案:

  • 多栏-按自然段换行:适合大部分情景,自动识别多栏布局,按自然段规则进行换行。

  • 多栏-总是换行:每段语句都进行换行。

  • 多栏-无换行:强制将所有语句合并到同一行。

  • 单栏-按自然段换行/总是换行/无换行:与上述类似,不过 不区分多栏布局。

  • 单栏-保留缩进:适用于解析代码截图,保留行首缩进和行中空格。

  • 不做处理:OCR引擎的原始输出,默认每段语句都进行换行。

上述方案,均能自动处理横排和竖排(从右到左)的排版。


未完待续,项目仍在持续迭代和优化中,进一步的使用可参见:

https://github.com/hiroi-sora/Umi-OCR


53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询