开源docext利用视觉语言模型 （VLM） 从文档图像中准确识别和提取现场数据和表格信息

docext 是一种无 OCR 工具，用于从发票、护照和其他文档等文档中提取结构化信息。它利用视觉语言模型 （VLM） 从文档图像中准确识别和提取现场数据和表格信息。

Intelligent Document Processing Leaderboard 跟踪和评估 OCR、关键信息提取 （KIE）、文档分类、表格提取和其他智能文档处理任务中的性能视觉语言模型。

GitHub：https://github.com/NanoNets/docex

特征

智能文档处理排行榜

此基准测试评估了 7 个关键文档智能挑战的性能：

• 关键信息提取 （KIE）：从非结构化文档文本中提取结构化字段。
• 视觉问答 （VQA）：通过问答评估对文档内容的理解。
• 光学字符识别 （OCR）：衡量识别印刷文本和手写文本的准确性。
• 文档分类：评估模型对各种文档类型进行分类的准确性。
• 长文档处理：测试模型对冗长、上下文丰富的文档的推理。
• 表提取：从复杂的表格格式中提取基准结构化数据。
• 置信度分数校准：评估模型预测的可靠性和置信度。

文档

• 灵活提取：定义自定义字段或使用预构建的模板
• 表提取：从文档中提取结构化表格数据
• 置信度评分：获取提取信息的置信度
• 本地部署：完全在您自己的基础设施（Linux、MacOS）上运行
• 多页支持：处理多页文档
• REST API：用于与应用程序集成的编程访问
• 预建模板：适用于常见文档类型的即用型模板：
  • 发票
  • 护照
  • 为其他模板添加/删除新字段/列。

版权声明：本站所有文章版权均归AiNeuOS所有，任何个人、媒体、网站、团体等注明来源后均可以转载。但是不得在非我站的服务器上建立镜像，否则，我站将依法保留追究相关法律责任的权利。

关注公众号：