Construction d'un pipeline OCR de bout en bout avec Baidu Unlimited-OCR pour les images haute résolution et les PDF multipages
Baidu
Ce tutoriel montre comment construire un workflow OCR complet en utilisant le modèle Unlimited-OCR de Baidu pour les images de documents et les PDF multipages. Il couvre la configuration de l'environnement GPU, le chargement du modèle, l'inférence sur une seule page en modes Gundam et Base, ainsi que l'analyse de PDF multipages avec PyMuPDF.
Le didacticiel construit un workflow complet pour le modèle Unlimited-OCR de Baidu sur des images de documents et des PDF multipages. Il configure l'environnement GPU, installe les dépendances et charge le modèle de langage visuel à 3 milliards de paramètres avec une sélection automatique du type de données. Il génère des échantillons de documents structurés pour les tests. Le workflow évalue à la fois le mode d'inférence Gundam en tuiles et le mode Base plus rapide pour l'OCR d'une seule page avant de s'étendre à l'analyse de PDF multipages avec PyMuPDF et infer_multi(). Il préserve les paramètres de génération en contexte long, les contrôles de répétition et la gestion de sortie structurée pour traiter les mises en page denses, les tableaux, les paragraphes et le contenu inter-pages. La fiche récapitulative finale résume les modes recommandés pour différents types de documents.
Source: MarkTechPost —
original