Инструментарий с открытым исходным кодом от Unity, который позволяет обучать AI-агентов с помощью обучения с подкреплением и имитационного обучения в игровых и симуляционных средах.
19,8 тыс.4,5 тыс.C#OtherОбновлён 6 дней назад
mindee/doctr
Открытая Python-библиотека OCR, которая обнаруживает и распознаёт текст в PDF и изображениях с помощью моделей глубокого обучения на PyTorch.
Open source альтернатива:ABBYY FineReader
Adobe Acrobat OCR
- Звёзды
- 6,391
- Форки
- 687
- Открытые issues
- 24
- Последний коммит
- 3 дня назад
Что это?
docTR (Document Text Recognition) — Python-библиотека для оптического распознавания символов. Она выполняет OCR в два этапа: сначала модель обнаружения находит слова на странице, затем модель распознавания считывает символы в каждом слове. На вход можно передавать PDF, файлы изображений или веб-страницы, преобразованные в документы. Результат — структурированный объект Document со страницами, блоками, строками и словами, который можно экспортировать в виде вложенного JSON.
В библиотеке есть несколько архитектур для обнаружения (DBNet, LinkNet, FAST) и распознавания (CRNN, SAR, MASTER, ViTSTR, PARSeq, VIPTR), а также предобученные веса. Кроме того, она предлагает предиктор извлечения ключевой информации (KIE), который обнаруживает объекты нескольких классов, например даты или адреса, опциональный этап обнаружения структуры документа и модель распознавания структуры таблиц. Поворот страниц и текста можно учитывать с помощью прямых или повёрнутых ограничивающих рамок.
Библиотеку можно установить с помощью pip, запускать из командной строки через пример скрипта, развернуть шаблон FastAPI с эндпоинтами для обнаружения, распознавания, OCR и KIE или использовать готовые Docker-образы с поддержкой GPU.
Ключевые возможности
- 01Двухэтапный конвейер OCR, объединяющий обнаружение и распознавание текста.
- 02Принимает на вход PDF, изображения и веб-страницы.
- 03На выбор доступны несколько предобученных архитектур для обнаружения и распознавания.
- 04Предиктор извлечения ключевой информации для обнаружения объектов нескольких классов.
- 05Экспортирует результаты в виде структурированных объектов или вложенного JSON, поддерживает визуализацию и создание страниц.
- 06Поддерживает бэкенды PyTorch и TensorFlow 2; доступны Docker-образы с поддержкой GPU.
Сценарии использования
- Извлечение слов и их координат из отсканированных документов или PDF.
- Извлечение определённых полей, например дат или адресов, из форм с помощью предиктора KIE.
- Предоставление OCR в виде API-эндпоинта с помощью шаблона FastAPI.
- Распознавание структуры таблиц или макета страницы в составе конвейера обработки документов.
Темы
Частые вопросы
- Что такое doctr?
- Открытая Python-библиотека OCR, которая обнаруживает и распознаёт текст в PDF и изображениях с помощью моделей глубокого обучения на PyTorch. docTR (Document Text Recognition) — Python-библиотека для оптического распознавания символов. Она выполняет OCR в два этапа: сначала модель обнаружения находит слова на странице, затем модель распознавания считывает символы в каждом слове. На вход можно передавать PDF, файлы изображений или веб-страницы, преобразованные в документы. Результат — структурированный объект Document со страницами, блоками, строками и словами, который можно экспортировать в виде вложенного JSON.
- doctr можно использовать бесплатно? Какая у него лицензия?
- doctr распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- doctr всё ещё поддерживается?
- Активно поддерживается. Последний коммит в doctr — 16 окт. 2026 г..
- Для чего можно использовать doctr?
- Извлечение слов и их координат из отсканированных документов или PDF. Извлечение определённых полей, например дат или адресов, из форм с помощью предиктора KIE. Предоставление OCR в виде API-эндпоинта с помощью шаблона FastAPI. Распознавание структуры таблиц или макета страницы в составе конвейера обработки документов.
- Где скачать doctr?
- Исходный код и инструкции по установке — на GitHub: https://github.com/mindee/doctr
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Платформа с открытым исходным кодом для работы с PDF: редактируйте, подписывайте, скрывайте данные, конвертируйте и автоматизируйте документы в браузере, на компьютере или через API.
94,4 тыс.11,7 тыс.TypeScriptOtherОбновлён 8 часов назад
Библиотека на Rust и CLI для классификации PDF как текстовых или сканированных и извлечения чистого Markdown без OCR по умолчанию.
19,7 тыс.1,3 тыс.RustMITОбновлён 11 дней назад
Графический интерфейс на основе узлов, API и бэкенд для локального запуска diffusion-моделей, генерирующих изображения, видео, аудио и 3D-контент.
ИИ и машинное обучение#stable-diffusion#diffusion-models#image-generation#video-generation#node-editor
138,5 тыс.16,5 тыс.PythonGPL-3.0Обновлён 8 часов назад
Личный AI-ассистент с открытым исходным кодом, который работает на ваших устройствах и отвечает через WhatsApp, Telegram, Slack, Discord и другие мессенджеры.
392,4 тыс.82,5 тыс.TypeScriptMITОбновлён 9 часов назад
Методология разработки ПО и библиотека комбинируемых навыков, которые помогают coding agents проводить мозговой штурм, планировать, следовать TDD и делегировать реализацию субагентам.
ИИ и машинное обучение#ai-agents#coding-agent#test-driven-development#software-methodology#code-review
301,6 тыс.26,9 тыс.ShellMITОбновлён 9 дней назад