OPEN SOURCE
文書パイプラインのためのオープンソース基盤。
読み順とページレイアウトのための公開プロジェクトで、より信頼性の高いOCRと文書ワークフローを構築できます。
GitHubでFreeOCR-AIを見るPROJECTS
必要な文書処理ステップを選択
OCRまたはPDF解析後の読み順を復元するにはLayoutReaderを使います。後続の抽出前にページ領域を特定するにはYOLO DocLayNetを使います。
01
読み順
LayoutReader
OCRやPDF解析が正しいテキストを見つけても順序が誤っている場合、LayoutReaderはテキスト領域のボックスを使える読み順に変換します。
含まれるもの
- OCRおよびPDFパーサーが生成したテキストスパンを並べ替えるための事前学習済みモデル。
- ReadingBankを単語レベルの入力からスパンレベルの入力へ変換するツール。
- モデル提供のための学習、評価、Pythonエントリポイント。
読み順LayoutLMv3Python
LayoutReaderを見る02
レイアウト検出
YOLO DocLayNet
ワークフローで表、タイトル、図、数式、本文を別々に扱う必要がある場合、YOLO DocLayNetは抽出前にページ領域を特定します。
含まれるもの
- 人手でラベル付けされたドキュメントレイアウトデータセット、DocLayNetで学習したモデル。
- テキスト、表、画像、タイトル、数式を含む11種類のページ要素を検出。
- データ変換、学習、評価、推論、複数のモデルサイズにわたる公開済みの結果。
レイアウト検出DocLayNetPython
YOLO DocLayNetを見る公開ソースコードGitHubリポジトリドキュメントとモデル
GITHUB
プロジェクトを詳しく見る
各リポジトリには、ソースコード、モデルリソース、ドキュメント、およびプロジェクト固有の条件が含まれています。製品で利用する前にリポジトリを確認してください。