📱PDF-Extract-Kit.

PDF-Extract-Kit — инструмент для качественного извлечения контента из PDF документов.

📄PDF документы содержат огромное количество информации, но извлечение качественного контента из PDF является сложной задачей. Чтобы справиться с этим, мы разделили задачу извлечения контента на несколько компонентов:

🔘Определение макета: использование модели LayoutLMv3 для обнаружения регионов, таких как изображения, таблицы, заголовки, текст и т.д.;

🔘Обнаружение формул: использование YOLOv8 для обнаружения формул, включая встроенные и изолированные формулы;

🔘Распознавание формул: использование UniMERNet для распознавания формул;

🔘Оптическое распознавание символов: использование PaddleOCR для распознавания текста.

#Python #PDF #LayoutDetection #FormulaDetection #OCR #DocumentProcessing #AI #MachineLearning #LayoutLMv3 #YOLOv8 #UniMERNet #PaddleOCR

📱Ссылка на репозиторий:
https://github.com/opendatalab/PDF-Extract-Kit

📱ExtractThinker.

ExtractThinker – это гибкий инструмент для извлечения и классификации структурированных данных из документов с помощью LLM. Работает как ORM, обеспечивая бесшовные процессы обработки документов.

🔹Ключевые возможности:

🔘Гибкая загрузка документов – поддержка Tesseract OCR, Azure Form Recognizer, AWS Textract, Google Document AI и других сервисов.

🔘Настраиваемые контракты – используйте Pydantic для точного извлечения данных.

🔘Продвинутая классификация – настройка стратегий для классификации документов и их разделов.

🔘 Асинхронная обработка – эффективная работа с большими документами.

🔘Поддержка множества форматов – PDF, изображения, таблицы и многое другое.

🔘ORM-подход – удобное взаимодействие с документами и LLM в стиле ORM.

🔘Гибкие стратегии разбиения – обработка постранично или целиком.

🔘Интеграция с LLM – поддержка OpenAI, Anthropic, Cohere и других провайдеров.

🔘Развитие с участием сообщества – вдохновлено LangChain, с упором на интеллектуальную обработку документов.

🔥 Оптимизируйте работу с документами уже сегодня!

#AI #LLM #ExtractThinker #OCR #DocumentProcessing #MachineLearning #Automation

📱Ссылка на репозиторий:
https://github.com/enoch3712/ExtractThinker