Modelo de restauração facial às cegas baseado em PyTorch que recupera fotos de rostos degradadas, de baixa qualidade ou antigas usando um transformer com busca em codebook.
18,2 mil3,7 milPythonOtherAtualizado há 11 meses
mindee/doctr
Uma biblioteca Python open source de OCR que detecta e reconhece texto em PDFs e imagens usando modelos de deep learning baseados em PyTorch.
Alternativa open source a:ABBYY FineReader
Adobe Acrobat OCR
- Estrelas
- 6,391
- Forks
- 687
- Issues abertas
- 24
- Último commit
- anteontem
O que é?
docTR (Document Text Recognition) é uma biblioteca Python para reconhecimento óptico de caracteres. Ela executa OCR de ponta a ponta em duas etapas: primeiro, um modelo de detecção de texto localiza as palavras na página; depois, um modelo de reconhecimento de texto lê os caracteres de cada palavra. As entradas podem ser PDFs, arquivos de imagem ou páginas da web renderizadas como documentos, e a saída é um objeto Document estruturado, com páginas, blocos, linhas e palavras, que pode ser exportado como JSON aninhado.
A biblioteca inclui várias arquiteturas de detecção (DBNet, LinkNet, FAST) e de reconhecimento (CRNN, SAR, MASTER, ViTSTR, PARSeq, VIPTR), além de pesos pré-treinados. Também oferece um preditor de extração de informações-chave (KIE) para detectar várias classes, como datas ou endereços, uma etapa opcional de detecção de layout e um modelo de reconhecimento da estrutura de tabelas. É possível lidar com páginas e textos rotacionados usando caixas delimitadoras retas ou rotacionadas.
Os desenvolvedores podem instalar a biblioteca com pip, executá-la pela linha de comando usando um script de exemplo, implantar um template FastAPI com endpoints para detecção, reconhecimento, OCR e KIE ou usar as imagens Docker fornecidas com suporte a GPU.
Recursos principais
- 01Pipeline de OCR em duas etapas que combina detecção e reconhecimento de texto.
- 02Aceita PDFs, imagens e páginas da web como entrada.
- 03Oferece várias arquiteturas de detecção e reconhecimento pré-treinadas para escolher.
- 04Preditor de extração de informações-chave para detecção de várias classes.
- 05Exporta os resultados como objetos estruturados ou JSON aninhado, com visualização e síntese de páginas.
- 06Oferece suporte aos backends PyTorch e TensorFlow 2, além de imagens Docker com suporte a GPU.
Casos de uso
- Extrair palavras e suas posições de documentos digitalizados ou PDFs.
- Extrair campos específicos, como datas ou endereços, de formulários usando o preditor KIE.
- Disponibilizar OCR por meio de um endpoint de API usando o template FastAPI incluído.
- Reconhecer estruturas de tabelas ou o layout de páginas como parte de um pipeline de processamento de documentos.
Tópicos
Perguntas frequentes
- O que é doctr?
- Uma biblioteca Python open source de OCR que detecta e reconhece texto em PDFs e imagens usando modelos de deep learning baseados em PyTorch. docTR (Document Text Recognition) é uma biblioteca Python para reconhecimento óptico de caracteres. Ela executa OCR de ponta a ponta em duas etapas: primeiro, um modelo de detecção de texto localiza as palavras na página; depois, um modelo de reconhecimento de texto lê os caracteres de cada palavra. As entradas podem ser PDFs, arquivos de imagem ou páginas da web renderizadas como documentos, e a saída é um objeto Document estruturado, com páginas, blocos, linhas e palavras, que pode ser exportado como JSON aninhado.
- doctr é gratuito? Qual é a licença?
- doctr é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- doctr ainda é mantido?
- Manutenção ativa. O último commit de doctr foi em 16 de out. de 2026.
- Para que posso usar doctr?
- Extrair palavras e suas posições de documentos digitalizados ou PDFs. Extrair campos específicos, como datas ou endereços, de formulários usando o preditor KIE. Disponibilizar OCR por meio de um endpoint de API usando o template FastAPI incluído. Reconhecer estruturas de tabelas ou o layout de páginas como parte de um pipeline de processamento de documentos.
- Onde consigo doctr?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/mindee/doctr
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Toolkit open source da Unity que transforma jogos e simulações em ambientes para treinar agentes de IA com aprendizado por reforço e por imitação.
19,8 mil4,5 milC#OtherAtualizado há 5 dias
Plataforma open source e self-hosted para editar, assinar, ocultar informações, converter e automatizar PDFs no navegador, no desktop ou via API.
94,4 mil11,7 milTypeScriptOtherAtualizado há 3 horas
Biblioteca Rust e CLI que classifica PDFs como textuais ou digitalizados e extrai Markdown limpo, sem OCR por padrão.
19,7 mil1,3 milRustMITAtualizado há 11 dias
GUI de grafo de nós, API e backend para executar modelos de difusão localmente e gerar imagens, vídeos, áudio e conteúdo 3D.
IA e Machine Learning#stable-diffusion#diffusion-models#image-generation#video-generation#node-editor
138,5 mil16,5 milPythonGPL-3.0Atualizado há 3 horas
Modelos generativos de vídeo open source que criam vídeos a partir de texto, imagens, fala ou movimentos de personagens, com opções MoE e 720P.
IA e Machine Learning#video-generation#diffusion-model#text-to-video#image-to-video#mixture-of-experts
18 mil2,3 milPythonApache-2.0Atualizado há 28 dias