GOT-OCR2.0：通用 OCR 理论的正式代码实现

嘿，大家好！今天我想和大家聊聊一个超级酷的项目——GOT-OCR2.0。你知道吗，这可是通用 OCR 理论的正式代码实现哦！它的目标是通过一个统一的端到端模型来实现 OCR-2.0，听起来是不是很厉害？

GOT-OCR2.0 是什么？

简单来说，GOT-OCR2.0 是一个开源项目，专注于光学字符识别（OCR）技术的革新。它由一群聪明的研究人员开发，旨在提供一个更高效、更准确的 OCR 解决方案。这个项目的代码已经在 GitHub 上发布，任何人都可以查看和使用。

如何安装 GOT-OCR2.0？

首先，你需要确保你的环境是 cuda11.8 和 torch2.0.1。然后，克隆这个项目的仓库并进入 GOT 文件夹：

    
bash复制
    
git clone https://github.com/Ucas-HaoranWei/GOT-OCR2.0.git
cd 'the GOT folder'

    

接下来，创建并激活一个新的 Conda 环境，然后安装必要的包：

    
bash复制
    
conda create -n got python=3.10 -y
conda activate got
pip install -e .

    

最后，安装 Flash-Attention：

    
bash复制
    
pip install ninja
pip install flash-attn --no-build-isolation

    

GOT-OCR2.0 的功能

GOT-OCR2.0 提供了多种 OCR 模式，包括：

• 普通文本 OCR：适用于简单的文本识别。
• 格式化文本 OCR：用于识别带有格式的文本。
• 细粒度 OCR：可以识别特定区域或颜色的文本。
• 多裁剪 OCR：处理多区域的图像。
• 多页 OCR：处理包含多个图像文件的路径。

你可以通过以下命令运行 OCR：

    
bash复制
    
python3 GOT/demo/run_ocr_2.0.py --model-name /GOT_weights/ --image-file /an/image/file.png --type ocr

    

如何训练和微调 GOT-OCR2.0？

如果你想训练或微调这个模型，可以参考项目中的训练和微调指南。需要注意的是，这个代码库只支持在 GOT 权重的基础上进行后训练。如果你想从头开始训练，需要使用其他的资源。

评价和测试

GOT-OCR2.0 提供了多种基准测试方法，比如 Fox 和 OneChart。你可以使用 evaluate_GOT.py 脚本来运行评估。

社区和支持

如果你对这个项目感兴趣或者有任何问题，可以通过微信或者邮件联系开发者。项目的社区非常活跃，欢迎大家贡献自己的力量。

最后嘛，我觉得 GOT-OCR2.0 是一个非常有潜力的项目，它不仅为研究人员提供了一个强大的工具，也为开发者带来了更多的可能性。如果你对 OCR 技术感兴趣，不妨去 GitHub 上看看这个项目，试试看它能为你带来什么惊喜！