Nanonets-OCR-s: Ein Modell, das Tabellen in Bildern in Markdown umwandelt 81

小编 · 2025-06-14

Nanonets-OCR-s kann Tabellen in Bildern in das Markdown-Format umwandeln und erkennt zusätzlich LaTeX-Syntax. Es lokalisiert Bilder und wandelt sie in <img>-Tags um, Signaturen in <signature>-Tags und Symbole wie Kontrollkästchen in Kaomoji. Auch Tabellen mit verbundenen Zellen werden verarbeitet und im HTML-Format ausgegeben. Die Modellgröße beträgt 3.75B und wurde auf Basis von Qwen2.5-VL-3B-Instruct feinabgestimmt.

Nanonets-OCR-s: Ein Modell, das Tabellen in Bildern in Markdown umwandelt

Was ist Nanonets-OCR-s?

Nanonets-OCR-s kann Tabellen aus Bildern in das Markdown-Format umwandeln und erkennt außerdem LaTeX-Syntax. Es kann zudem die Position von Bildern erkennen und sie in -Tags umwandeln. Unterschriften werden in -Tags umgewandelt, und Symbole wie Kontrollkästchen werden durch Emoticons dargestellt. Es kann auch Tabellen mit verbundenen Zellen verarbeiten und sie im HTML-Format ausgeben. Die Modellgröße beträgt 3,75B und es wurde auf Basis von Qwen2.5-VL-3B-Instruct feinabgestimmt, sodass die chinesische Spracheunterstützung sehr gut ist.

Nanonets-OCR-s：超强表格转 Markdown 模型.jpg

Funktions-Highlights

Tabellenkonvertierung: Kann komplexe Tabellen präzise extrahieren und sie in klar strukturierte Formate wie Markdown und HTML umwandeln.
Formelerkennung: Kann mathematische Formeln in Dokumenten präzise in LaTeX-Syntax umwandeln – sowohl Inline-Formeln als auch eigenständige Formeln lassen sich mühelos verarbeiten.
Bildverarbeitung: Erkennt automatisch Bilder in Dokumenten und beschreibt sie mit -Tags, was die Weiterverarbeitung erleichtert.
Extraktion von Unterschriften und Wasserzeichen: Kann Unterschriften und Wasserzeichen in Dokumenten erkennen und sie entsprechend mit den Tags und kennzeichnen.
Verarbeitung von Kontrollkästchen: Wandelt Kontrollkästchen und Optionsfelder in Dokumenten in standardmäßige Unicode-Symbole um, was das Lesen und Bearbeiten erleichtert.

Nutzungsweise

Über die Python-Bibliothek:

Installieren der erforderlichen Bibliotheken (z. B. transformers usw.).
Laden des vortrainierten Modells, anschließend Verarbeiten des Bildes und Extrahieren der Inhalte.

Über die Server-Schnittstelle:

Starten Sie den Server, senden Sie Anfragen über Python und entsprechende Clients und erhalten Sie die Konvertierungsergebnisse.

Über vereinfachte Werkzeuge:

Verwenden Sie Tools wie docext, um die Anwendung mit einem Klick zu starten und den Arbeitsablauf zu vereinfachen.

Einsatzszenarien

Wissenschaftliche Forschung: Schnelle Umwandlung von Formeln, Abbildungen und Tabellen in wissenschaftlichen Arbeiten in ein bearbeitbares Markdown-Format, was das Strukturieren und die weitere Forschung erleichtert.
Geschäftsalltag: Verarbeitung von Verträgen, Berichten und anderen Dokumenten, Extraktion wichtiger Informationen bei gleichzeitiger Beibehaltung eines einheitlichen Formats zur Steigerung der Arbeitseffizienz.
Juristischer Bereich: Erkennung und Isolierung wichtiger Elemente wie Unterschriften und Wasserzeichen, um die Vollständigkeit und Genauigkeit von Dokumenten sicherzustellen.

Vorteile

Leistungsstarke Funktionen: Erkennt eine Vielzahl von Dokumentelementen und erfüllt die Anforderungen unterschiedlicher Szenarien.
Intelligent und effizient: Durch intelligente Erkennung und semantische Markierung sind die Ausgabeinhalte leichter zu verarbeiten.
Leichtgewichtig und praktisch: Das Modell hat eine moderate Größe, wurde auf Basis bestehender Technologien optimiert und unterstützt Chinesisch.