mindee/doctr

これは何？

主な機能

• 01テキスト検出とテキスト認識を組み合わせた2段階のOCRパイプライン。
• 02PDF、画像、Webページを入力として受け付けます。
• 03複数の学習済み検出・認識アーキテクチャから選択できます。
• 04複数クラスの検出に対応するkey information extraction predictor。
• 05結果を構造化オブジェクトまたはネストされたJSONとしてエクスポートでき、可視化やページ合成にも対応します。
• 06PyTorchとTensorFlow 2のバックエンドに対応し、GPU対応のDockerイメージも用意されています。

ユースケース

• スキャン文書やPDFから単語とその位置を抽出する。
• KIE predictorを使って、フォームから日付や住所などの特定の項目を抽出する。
• 付属のFastAPIテンプレートを使い、OCRをAPIエンドポイントとして提供する。
• ドキュメント処理パイプラインの一環として、表構造やページレイアウトを認識する。

トピック

よくある質問

doctr とは？

PyTorchベースの深層学習モデルでPDFや画像のテキストを検出・認識する、オープンソースのPython OCRライブラリ。 docTR (Document Text Recognition) は、光学文字認識のためのPythonライブラリです。テキスト検出モデルでページ上の単語の位置を特定し、続いてテキスト認識モデルで各単語の文字を読み取る、2段階のエンドツーエンドOCRを実行します。入力にはPDF、画像ファイル、またはドキュメントとしてレンダリングされたWebページを使用でき、出力はページ、ブロック、行、単語で構成されるDocumentオブジェクトです。ネストされたJSONとしてエクスポートすることもできます。

doctr は無料で使えますか？ライセンスは？

doctr は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

doctr は今もメンテナンスされていますか？

活発にメンテナンス中。doctr の最終コミットは 2026年10月16日 です。

doctr は何に使えますか？

スキャン文書やPDFから単語とその位置を抽出する。 KIE predictorを使って、フォームから日付や住所などの特定の項目を抽出する。 付属のFastAPIテンプレートを使い、OCRをAPIエンドポイントとして提供する。 ドキュメント処理パイプラインの一環として、表構造やページレイアウトを認識する。

doctr はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/mindee/doctr