当前位置： 首页 > news >正文

2.4K star的GOT-OCR2.0：端到端OCR 模型

news 文章来源：https://blog.csdn.net/specssss/article/details/142452256 2025/4/22 5:29:10

GOT-OCR2.0是一款新一代的光学字符识别（OCR）技术，标志着人工智能在文本识别领域的重大进步。作为一款开源模型，GOT-OCR2.0不仅支持传统的文本和文档识别，还能够处理乐谱、图表以及复杂的数学公式，为用户提供了更加全面和高效的解决方案。

产品功能及特点

  • 多语言支持：GOT-OCR2.0主要支持中文和英文字符识别，并能够通过进一步的微调扩展到更多语言。这种灵活性使其适用于国际化应用，满足不同用户的需求。
  • 场景文本识别：该系统能够处理自然场景中的文本识别任务，例如街道标志、广告牌上的文字等。这一功能使得GOT-OCR2.0在各种实际应用中表现出色。
  • 文档OCR：GOT-OCR2.0能够处理文档中完整页面的文字识别，无论是纯文本文档，还是含有表格、公式等复杂内容的文档。这一功能极大地方便了文档数字化和信息管理。
  • 格式化文本OCR：该系统支持将光学文档中的文本直接转换为Markdown、LaTeX等格式，保持复杂文档的原始排版和格式。这使得后续编辑和排版工作更加高效。
  • 动态分辨率处理：GOT-OCR2.0采用动态分辨率技术，支持对超高分辨率图像（如大幅海报、拼接PDF页面）进行OCR处理，确保在图像过大时仍能保持较高的识别准确性。
  • 多页OCR：该系统能够批量处理多页文档，例如长篇PDF文件或包含多张图片的OCR任务，显著提升了处理效率。这对于需要大量文档处理的用户尤为重要。公式、表格与图表识别除了基本文本识别，GOT-OCR2.0还能够识别和处理文档中的数学公式、化学分子式、表格及图表等复杂结构，并将其转换为可编辑格式（如LaTeX或Python字典格式），满足更专业的需求。
  • 格式化输出：该系统支持生成多种格式化输出，包括Markdown、TikZ、SMILES、LaTeX等，以结构化方式输出识别到的字符，例如表格、数学公式和分子结构等，使得信息传递更加清晰。
  • 性能与架构：GOT-OCR2.0采用了集成的vision encoder和decoder设计，能够同时处理多种类型的OCR输入，从而极大提高信息传递效率。其模型大小仅为1.43GB，相较于其他AI模型而言较小，但性能却非常强大，特别适合需要处理高复杂度OCR任务的用户。该模型还引入了local attention机制，有效解决了全局注意力机制在高分辨率图像中的内存消耗问题。

高性价比GPU资源：https://www.ucloud.cn/site/active/gpu.html?ytag=gpu_wenzhang_tongyong_toutiao

识别效果展示

截屏文本识别/文档识别/乐谱识别/图表识别

89ee3ceaabfa746038c8bf3051b476cc.jpeg

OCR2.0评测

a284a825825a6cb91cd2d7454930bee5.jpeg

总结

GOT-OCR2.0作为AI 2.0时代的重要产品，通过端到端设计、一体化架构和对多场景复杂内容的识别能力，为用户提供了精准、高效的OCR解决方案。无论是在文档数字化、场景文本识别还是复杂数据处理方面，它都展现出卓越的性能，是开发者和研究人员不可或缺的工具。


相关文章：

2.4K star的GOT-OCR2.0：端到端OCR 模型

GOT-OCR2.0是一款新一代的光学字符识别（OCR）技术，标志着人工智能在文本识别领域的重大进步。作为一款开源模型，GOT-OCR2.0不仅支持传统的文本和文档识别，还能够处理乐谱、图表以及复杂的数学公式，为用户提供…...

编程日记 2024/9/27 3:48:21

【JavaEE】——线程的安全问题和解决方式

阿华代码，不是逆风，就是我疯，你们的点赞收藏是我前进最大的动力！！希望本文内容能够帮助到你！ 目录 一：问题引入 二：问题深入 1：举例说明 2：图解双线程计算…...

编程日记 2024/9/27 3:47:20

初步认识了解分布式系统

背景认识：我们要学习redis，还是得了解一下什么是分布式。为什么呢？因为redis只有在分布式系统中才能发挥它最大的作用，也就是领域展开，所以接下来我们就简单过一下什么是分布式系统 一些术语认识： &#x…...

编程日记 2024/9/27 3:40:13

react 为什么不能学习 vue3 进行静态节点标记优化性能？

因为 React 使用的是 JSX，而 JSX 本质上就是 JS 语言，是具有非常高的动态的，而 Vue 使用的 template 则是给了足够的约束，比如说 Vue 的 template 里面使用了很多特定的标记来做不同的事情，比如说 v-if 就是进行变量判…...

编程日记 2024/9/27 3:39:12

Elasticsearch黑窗口启动乱码问题解决方案

问题描述 elasticsearch启动后有乱码现象 解决方案： 提示：这里填写该问题的具体解决方案： 到 \config 文件下找到 jvm.options 文件 打开后 在文件末尾空白处 添加 -Dfile.encodingGBK 保存后重启即可。...

编程日记 2024/9/27 3:38:11

Logtus IT员工参加国际技术大会

Logtus IT的员工参加了国际技术大会，该大会致力于在金砖国家框架内开发俄罗斯的技术。该活动包括一个展览，俄罗斯开发商展示了他们的信息技术、电子和电信成就。展示了面向国内和国际市场（包括政府机构）的解决方案、产品和平台。 …...

编程日记 2024/9/27 3:36:09

ant design vue组件中table组件设置分组头部和固定总结栏

问题：遇到了个需求，不仅要设置分组的头部，还要在顶部有个统计总和的栏。 分组表头的配置主要是这个，就是套娃原理，不需要展示数据的直接写个title就行，需要展示数据的字段才需要详细的配置属性。 const co…...

编程日记 2024/9/27 3:34:05

2024年信息安全企业CRM选型与应用研究报告

数字化的生活给人们带来便利的同时也带来一定的信息安全隐患，如网络侵权、泄露用户隐私、黑客攻击等。在互联网高度发展的今天，信息安全与我们每个人、每个组织甚至每个国家都息息相关。 信息安全行业蓬勃发展。根据智研咨询数据，2021年&…...

编程日记 2024/9/27 3:33:03

【后端开发】JavaEE初阶——计算机是如何工作的？？？

前言： 🌟🌟本期讲解计算机工作原理，希望能帮到屏幕前的你。 🌈上期博客在这里：【MySQL】MySQL中JDBC编程——MySQL驱动包安装——（超详解） 🌈感兴趣的小伙伴看一看小编主…...

编程日记 2024/9/27 3:32:02

Linux（Ubuntu）源码安装postgresql16.3

文章目录 Linux（Ubuntu）源码安装postgresql016.3下载程序包编译安装软件初次执行configure错误调试1:configure: error: ICU library not found再次执行configureBuild 设置环境初始化数据库启动数据库参考 Linux（Ubuntu）源码安装…...

编程日记 2024/9/27 3:28:59

Python 入门教程（7）面向对象 | 7.6、多态

文章目录 一、多态1、鸭子类型2、实现多态的机制2.1、鸭子类型2.2、继承与重写 3、Python多态的优势4、总结 前言： 在面向对象编程（OOP）中，多态（Polymorphism）是一种非常重要的概念，多态就是同一…...

编程日记 2024/9/27 3:27:58

Cilium + ebpf 系列文章-什么是ebpf?（一）

前言： 这篇非常非常干，很有可能读不懂。 这里非常非常推荐，建议使用Cilium官网的lab来辅助学习！！！Resources Library - IsovalentExplore Isovalents Resource Library, your one-stop destination for ins…...

编程日记 2024/9/27 3:26:57

RabbitMQ08_保证消息可靠性

保证消息可靠性 一、生产者可靠性1、生产者重连机制（防止网络波动）2、生产者确认机制Publisher Return 确认机制Publisher Confirm 确认机制 二、MQ 可靠性1、数据持久化交换机、队列持久化消息持久化 2、Lazy Queue 惰性队列 三、消费者可靠性1、消费者…...

编程日记 2024/9/27 3:25:55

恶意Bot流量识别分析实践

1、摘要 随着互联网的发展，自动化工具和脚本（Bots）的使用越来越普遍。虽然一些善意 Bots 对于网站的正常运行和数据采集至关重要，但恶意 Bots 可能会对网站带来负面影响，如爬取敏感信息、恶意注册、刷流量等。因此&am…...

编程日记 2024/9/27 3:24:54

Java2 实用教程（第6版）习题2 第四题

【源文件的命名与书中的不同】 四、阅读程序题 1、上机运行下列程序&#xff0c;注意观察输出的结果。 public class E2_1 {public static void main(String args[]){for(int i20302;i<20322;i){System.out.println((char) i);}} } 运行结果&#xff1a; 低 住 佐 佑 佒…...

编程日记 2024/9/27 3:22:52

HashMap和ConcurrentHashMap的区别

1.是什么 HashMap和ConcurrentHashMap都是Java集合框架中的成员&#xff0c;它们用于存储键值对&#xff0c;但它们在并发场景下的表现和行为有很大的不同。以下是它们之间的一些主要区别&#xff1a; 1. 并发安全性 HashMap: HashMap不是线程安全的。如果多个线程同时访问Has…...

编程日记 2024/9/27 3:21:51

css 下拉框展示：当hover的时候展示下拉框 z-index的用法解释

代码如下&#xff1a; <template><div class"outer"><div class"left"></div><div class"aTest2"><div class"box">显示方框</div><div class"aTest3"></div></…...

编程日记 2024/9/27 3:20:50

spring装配笔记

spring装配是个大课题&#xff0c;能懂一点是一点吧。 关于代码链路&#xff0c;最后的方式就是倒序摸索&#xff0c;正序那么多逻辑&#xff0c;没有一百万也差不多少&#xff0c;所以就用倒序。 .(点号)和#井号是一个意思&#xff0c;下面代码可能不详细区分&#xff0c;复…...

编程日记 2024/9/27 3:15:46

vscode【实用插件】Notes 便捷做笔记

安装 在 vscode 插件市场的搜索 Notes点 安装 安装成功后&#xff0c;vscode 左侧栏会出现 使用 初次使用 需先选择一个本地目录 重启 vscode 后&#xff0c;得到 切换笔记目录 新建笔记 快捷键为 Alt N 默认会创建 .md 文件 配合插件 Markdown Preview Enhanced 预览 .md…...

编程日记 2024/9/27 3:14:44

中间件：maxwell、canal

文章目录 1、底层原理&#xff1a;基于mysql的bin log日志实现的&#xff1a;把自己伪装成slave2、bin log 日志有三种模式&#xff1a;2.1、statement模式&#xff1a;2.2、row模式&#xff1a;2.3、mixed模式&#xff1a; 3、maxwell只支持 row 模式&#xff1a;4、maxwell介…...

编程日记 2024/9/27 3:10:40

postman控制变量和常用方法

1、添加环境&#xff1a; 2、环境添加变量&#xff1a; 3、配置不同的环境&#xff1a;local、dev、sit、uat、pro 4、 接口调用 5、清除cookie方法&#xff1a; 6、下载文件方法&#xff1a;...

编程日记 2024/9/27 3:07:36

Spring Boot 中整合 Kafka

在 Spring Boot 中整合 Kafka 非常简单&#xff0c;Spring Kafka 提供了丰富的支持&#xff0c;使得我们可以轻松地实现 Kafka 的生产者和消费者。下面是一个简单的 Spring Boot 整合 Kafka 的示例。 1. 添加依赖 首先&#xff0c;在 pom.xml 中添加 Spring Kafka 的依赖&#…...

编程日记 2024/9/27 3:03:32

什么是开放式耳机？具有什么特色？非常值得入手的蓝牙耳机推荐

开放式耳机是当下较为热门的一种耳机类型。它具有以下特点&#xff1a; 设计结构&#xff1a; 呈现开放式的构造&#xff0c;不会完全堵住耳道。如此一来&#xff0c;外界声音能够较容易地被使用者听到&#xff0c;在使用耳机时可以保持对周围环境的察觉。比如在户外&#xf…...

编程日记 2024/9/27 3:00:30

编译 FFmpeg 以支持 AV1 编解码器以及其他硬件加速选项（如 NVENC、VAAPI 等）

步骤 1: 安装必要的依赖 sudo apt update sudo apt install -y \autoconf automake build-essential cmake git libass-dev libfreetype6-dev \libsdl2-dev libtool libva-dev libvdpau-dev libxcb1-dev libxcb-shm0-dev \libxcb-xfixes0-dev pkg-config texinfo wget zlib1g-…...

编程日记 2024/9/27 2:55:23

解释一下Java中的多线程。如何创建一个新的线程？

在Java中&#xff0c;多线程是一种机制&#xff0c;允许一个程序同时执行多个任务或处理。每个任务被称为一个线程。 这种并行执行可以极大地提高应用程序的效率和响应速度。 例如&#xff0c;在开发一个桌面应用程序时&#xff0c;你可以使用一个线程来更新用户界面&#xf…...

编程日记 2024/9/27 2:51:19

Java语言程序设计基础篇_编程练习题**18.30 (找出单词)

题目&#xff1a;**18.30 (找出单词) 编写一个程序&#xff0c;递归地找出某个目录下的所有文件中某个单词出现的次数。从命令行如下传递参数&#xff1a; java Exercise18_30 dirName word 习题思路 &#xff08;读取路径方法&#xff09;和18.28题差不多&#xff0c;把找…...

编程日记 2024/9/27 2:49:17

MyBatis中 #{} 和 ${} 的区别

1. #{id}&#xff08;参数占位符&#xff09; 作用: 使用 #{id} 时&#xff0c;MyBatis 会将 id 参数绑定为 JDBC 的参数。这种方式能够有效防止 SQL 注入攻击&#xff0c;因为它会进行参数的预处理&#xff0c;将参数值作为数据类型的绑定&#xff0c;而不是直接插入到 SQL 语…...

编程日记 2024/9/27 2:46:15

Android Perfetto 学习

1、如何抓取性能日志 方式1、通过手机里的System Tracing抓取 1、点击Settings->System->Developer options->System Tracing->Record trace 打开 2、操作完成后&#xff0c;点击Settings->System->Developer options->System Tracing->Record trace…...

编程日记 2024/9/27 2:45:13

ES数据的删除与备份

背景 需要删除索引下满足指定条件的文档数据&#xff0c;并将删除的数据进行备份。 操作步骤 新建索引 该索引结构与映射关系与原索引一致 查看原索引设置 GET /tb/_settings结果&#xff1a; {"tb" : {"settings" : {"index" : {"ro…...

编程日记 2024/9/27 2:44:12

论文解读《Object-Centric Learning with Slot Attention》

系列文章目录 文章目录 系列文章目录论文细节理解 1. 研究背景2. 论文贡献3. 方法框架3.1 Slot Attention模块3.2 无监督对象发现架构 4. 研究思路5. 实验6. 限制 论文细节理解 supervised property prediction tasks是什么&#xff1f; Supervised property prediction tasks…...

编程日记 2024/9/27 2:43:11