Occular-OCR — новый OCR-движок для русского языка от независимого разработчика (и нашего подписчика) @Bodhi_b

Недавно был представлен Occular-OCR — новый OCR-движок, разработанный независимым разработчиком @Bodhi_b. Этот инструмент предлагает альтернативу таким популярным решениям, как Tesseract и RapidOCR, с акцентом на распознавание сложных русскоязычных документов.

Одной из ключевых особенностей Occular-OCR является использование компактного пайплайна из специализированных нейросетей вместо тяжёлых VLM. Это позволяет значительно улучшить качество распознавания и ускорить процесс обработки.

Движок поддерживает работу с различными типами документов, включая:

<ul><li>PDF-файлы</li><li>Сканы</li><li>Фотографии документов, такие как паспорта, справки, договоры, чеки и банковские выписки</li></ul>

Кроме того, Occular-OCR поддерживает 14 языков, включая русский и английский, а также 12 языков с кириллицей. Это делает его универсальным инструментом для работы с многоязычными документами.

Среди других возможностей движка:

<ul><li>Автоматическое исправление наклона и поворота страниц</li><li>Опциональное устранение геометрических искажений</li><li>Распознавание таблиц и восстановление порядка чтения в многоколоночных документах</li></ul>

Результаты распознавания представляются в структурированном формате JSON, который включает координаты строк и оценку уверенности распознавания. Архитектура движка основана на DBNet с использованием SVTR/CTC и Beam Search, дополненной русской 4-граммной языковой моделью.

Движок работает на ONNX Runtime, что обеспечивает полностью локальный инференс на CPU или GPU (CUDA). Установка возможна на Windows, Linux и macOS через pip без необходимости компиляции и системных зависимостей CUDA.

Код доступен под лицензией Apache 2.0, а веса движка можно использовать бесплатно для частного использования, исследований и небольших организаций.

Для более подробной информации и загрузки можно посетить репозиторий на GitHub или страницу на PyPI.

Нейро Отличник