Xây dựng Pipeline OCR Đầu-Cuối với Baidu Unlimited-OCR cho Ảnh Độ Phân Giải Cao và PDF Nhiều Trang
Baidu
Hướng dẫn này trình bày cách xây dựng một quy trình OCR hoàn chỉnh sử dụng mô hình Baidu Unlimited-OCR cho ảnh tài liệu và PDF nhiều trang. Nó bao gồm thiết lập môi trường GPU, tải mô hình, suy luận một trang ở chế độ Gundam và Base, cũng như phân tích cú pháp PDF nhiều trang với PyMuPDF.
Hướng dẫn này xây dựng quy trình hoàn chỉnh cho mô hình Unlimited-OCR của Baidu trên ảnh tài liệu và PDF nhiều trang. Nó cấu hình môi trường GPU, cài đặt các thư viện phụ thuộc và tải mô hình ngôn ngữ thị giác 3 tỷ tham số với tính năng tự động chọn kiểu dữ liệu (dtype). Các tài liệu mẫu có cấu trúc được tạo ra để kiểm thử. Quy trình đánh giá cả chế độ suy luận tiled Gundam và chế độ Base nhanh hơn cho OCR một trang trước khi mở rộng sang phân tích PDF nhiều trang với PyMuPDF và hàm infer_multi(). Nó duy trì các cài đặt sinh văn bản ngữ cảnh dài, kiểm soát lặp từ và xử lý đầu ra có cấu trúc để xử lý các bố cục dày đặc, bảng biểu, đoạn văn và nội dung xuyên trang. Bảng tổng kết cuối cùng tóm tắt các chế độ được khuyến nghị cho các loại tài liệu khác nhau.
Nguồn: MarkTechPost —
bản gốc