OCR

APPLICATION

TurboOCR：优化杰作

设置并不容易。但当这个工具是对的工具时，它会以 10 倍的优势碾压竞争对手

OCR

文档提取：从OCR到视觉大模型

从构建医疗结果传真处理系统PoC中学到的经验教训，用视觉-LLM和Markdown转换替换OCR 背景

MODEL-ZOO

4个最强大的开源 OCR 模型

有四个开源项目脱颖而出：DeepSeek-OCR、Olmo-OCR 2、Qwen3-VL 和 Dots.OCR。它们的作用相同（读取文档），但方式却截然不同。

MODEL-ZOO

Dots.ocr：迄今最好的小型OCR

与其他模型使用YOLO风格的检测器加上语言模型不同，dots.ocr只使用一个VLM来处理布局检测、文本解析、阅读顺序，甚至公式。

MODEL-ZOO

用MonkeyOCR提取结构化数据

MonkeyOCR是一个视觉语言模型，能够智能地解析收据、发票、表格和其他无结构的文档图像，将其转换为干净的结构化数据。

LIBRARY

SmolDocling简明教程

SmolDocling用一种更智能、更具布局意识的方法取代了传统的OCR，这种方法能够理解文档。

LIBRARY

Mistral OCR文档理解模型

你是否曾经花数小时手动将数据从PDF复制到电子表格中？或者尝试从扫描文件中提取表格，结果却得到一个格式混乱得让你怀疑人生的职业选择？

MODEL-ZOO

olmOCR-7B：文档提取专用模型

olmOCR在250,000页的数据集上微调了Qwen2-VL-7B-Instruct模型，旨在将PDF和文档图像转换为干净且结构化的纯文本。

LIBRARY

8个最强大的OCR工具与服务

我探索了各种 OCR 工具和服务，并根据它们的特点（例如价格、准确性和实施工作量）将它们分为三个不同的类别：生成式AI、视觉AI和开源库。

MODEL-ZOO

EasyOCR微调简明教程

你使用的 OCR 可能无法满足你的特定需求。在这种情况下，微调 OCR 引擎是可行的方法。在本教程中，我将向你展示如何微调 EasyOCR。

MODEL-ZOO

9个主流OCR模型的综合评测

在这篇博文中，我们比较了9种不同的 OCR 解决方案，并比较了它们在工业 OCR 应用的10个不同领域的功效。

MODEL-ZOO

PaliGemma2微调优化图像理解

通过使用自定义数据集（例如知名的 VQA）对 PalliGema2 进行微调，可以在高度特定的任务上实现最先进的性能，以连续且可扩展的方式弥合文本和视觉理解之间的差距。