📱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