1. 产品
  2.   解析器
  3.   Python
  4.   docTR
 
  

基于深度学习的Python OCR解决方案

利用docTR实现精准的图像文本提取与识别

Python版docTR API是什么？

docTR(文档文本识别)是一个基于深度学习的开源光学字符识别(OCR)Python库。它为扫描文档、图像和PDF文件提供先进的文本检测与识别功能。通过现代深度学习架构，docTR在保持文档结构的同时确保高精度的文本提取效率。

docTR广泛应用于文档数字化、自动化数据提取和AI文本识别应用。支持多语言识别、手写体识别和GPU加速以提升性能。

docTR API核心功能

  • 基于深度学习的OCR: 使用神经网络实现精准文本检测与识别
  • 多格式支持: 完美兼容图像、PDF和扫描文档
  • 手写体识别: 高精度检测和提取手写文本
  • 多语言识别: 支持多种语言文字系统
  • 速度优化: 通过GPU加速实现高效文本提取
  • 保持文档布局: 文本识别过程中保留原始结构
  • 可扩展开源: 免费使用并持续更新改进

开始使用docTR API

使用以下pip命令安装docTR:

安装docTR


pip install python-doctr

如需启用GPU加速以获得更快处理速度，请安装额外依赖:

安装GPU依赖


pip install tensorflow-gpu torch torchvision

使用docTR API的文本提取代码示例

以下是使用docTR从图像和文档中提取文本的多个示例。

docTR OCR API

示例1: 从图像提取文本

此示例展示如何加载图像、应用docTR OCR并提取文本。提取的文本包含其在图像中的位置信息，这对结构化文档处理非常有用。

从图像提取文本


from doctr.io import DocumentFile
from doctr.models import ocr_predictor

doc = DocumentFile.from_images("sample.png")
model = ocr_predictor(pretrained=True)
result = model(doc)
print(result.export())

示例2: 处理多页PDF文档

如需从多页PDF文件中提取文本，docTR可简化此流程。以下示例展示如何高效地从每页提取文本。

从PDF提取文本


from doctr.io import DocumentFile
from doctr.models import ocr_predictor

doc = DocumentFile.from_pdf("sample.pdf")
model = ocr_predictor(pretrained=True)
result = model(doc)
print(result.export())

示例3: 识别手写文本

docTR还能识别手写文本，非常适合数字化手写笔记、表格或历史文档。此示例展示从合成手写文档中提取文本。

提取手写文本


from doctr.models import ocr_predictor
from doctr.datasets import synthetic_documents

doc = synthetic_documents()[0]
model = ocr_predictor(pretrained=True)
result = model(doc)
print(result.export())

总结

docTR API是基于深度学习的强大OCR解决方案，可简化从图像、PDF和手写文档中提取文本的过程。它在保持文档结构的同时确保高精度，是AI文档处理、自动化和数据提取的宝贵工具。

无论您正在进行文档数字化、自动化数据录入还是基于AI的文本识别，docTR都能提供灵活高效的定制化解决方案。

类似产品

 中国人