Nanonets-OCR-s是什么？

Nanonets-OCR-s，能把圖片里的表格轉(zhuǎn)換成Markdown格式，而且還能識(shí)別 LaTeX 語(yǔ)法。它還能找到圖片的位置，轉(zhuǎn)換成 <img> 標(biāo)簽。簽名會(huì)被轉(zhuǎn)換成 <signature> 標(biāo)簽，復(fù)選框之類的符號(hào)會(huì)用顏文字表示。它還能處理合并單元格的表格，并輸出為 HTML 格式。這個(gè)模型大小是 3.75B，是基于 Qwen2.5-VL-3B-Instruct 微調(diào)的，所以中文支持得很好。

功能亮點(diǎn)

• 表格轉(zhuǎn)換：可以精準(zhǔn)提取復(fù)雜表格，并將其轉(zhuǎn)換為清晰的 Markdown 和 HTML 格式。

• 公式識(shí)別：能夠?qū)⑽臋n中的數(shù)學(xué)公式準(zhǔn)確轉(zhuǎn)換為 LaTeX 語(yǔ)法，無(wú)論是內(nèi)聯(lián)公式還是獨(dú)立公式都能輕松應(yīng)對(duì)。

• 圖像處理：自動(dòng)識(shí)別文檔中的圖片，并用 <img> 標(biāo)簽進(jìn)行描述，方便后續(xù)處理。

• 簽名與水印提取：可以檢測(cè)到文檔中的簽名和水印，并分別用 <signature> 和 <watermark> 標(biāo)簽標(biāo)記出來(lái)。

• 復(fù)選框處理：將文檔中的復(fù)選框和單選按鈕轉(zhuǎn)換為標(biāo)準(zhǔn)的 Unicode 符號(hào)，方便閱讀和編輯。

使用方式

通過(guò) Python 庫(kù)：

• 安裝必要的庫(kù)（如 transformers 等）。

• 加載預(yù)訓(xùn)練模型，然后處理圖像并提取內(nèi)容。

通過(guò)服務(wù)器接口：

• 啟動(dòng)服務(wù)器，通過(guò) Python 和相關(guān)客戶端發(fā)送請(qǐng)求，獲取轉(zhuǎn)換結(jié)果。

通過(guò)簡(jiǎn)化工具：

• 使用 docext 等工具，一鍵啟動(dòng)應(yīng)用，簡(jiǎn)化操作流程。

適用場(chǎng)景

• 學(xué)術(shù)研究：快速將論文中的公式、圖表和表格轉(zhuǎn)換為可編輯的 Markdown 格式，方便整理和進(jìn)一步研究。

• 商業(yè)辦公：處理合同、報(bào)表等文件，提取關(guān)鍵信息并保持格式一致，提高工作效率。

• 法律領(lǐng)域：識(shí)別和隔離簽名、水印等重要元素，確保文檔的完整性和準(zhǔn)確性。

優(yōu)勢(shì)

• 功能強(qiáng)大：能識(shí)別多種文檔元素，滿足不同場(chǎng)景的需求。

• 智能高效：通過(guò)智能識(shí)別和語(yǔ)義標(biāo)記，讓輸出內(nèi)容更易于處理。

• 輕量便捷：模型大小適中，基于現(xiàn)有技術(shù)優(yōu)化，支持中文。

項(xiàng)目地址

https://huggingface.co/nanonets/Nanonets-OCR-s