使用场景

案例一：使用ViTLP对历史文献进行数字化，自动提取文献中的文本信息。

案例二：在法律领域，利用ViTLP对大量的案件文档进行自动化处理和信息提取。

案例三：在金融行业，通过ViTLP对合同文档进行智能分析，提取关键条款。

产品特色

• 原生OCR文本定位和识别：ViTLP能够直接在文档图像上进行文本的定位和识别。

• 预训练模型ViTLP-medium：提供了一个预训练的模型，拥有380M参数，能够在有限的计算资源下提供较好的性能。

• 快速推理速度：在Nvidia 4090上，ViTLP能够快速处理文档图像，推理速度在5到10秒内完成一页文档图像的处理。

• Huggingface平台支持：ViTLP模型的预训练权重可以在Huggingface平台上找到，方便用户下载和使用。

• 易于集成和使用：通过提供的代码和指令，用户可以轻松地将ViTLP集成到自己的项目中。

• 支持批量解码：通过提供的decode.sh脚本，用户可以进行批量文档图像的解码处理。

• 适用于文档智能处理：ViTLP特别适合需要文档图像文本检测和识别的场景，如自动化文档处理、档案数字化等。

使用教程

1. 访问ViTLP的GitHub页面并克隆项目到本地。

2. 安装所需的依赖项，运行`pip install -r requirements.txt`。

3. 克隆预训练的ViTLP模型权重到指定目录，使用`git clone https://huggingface.co/veason/ViTLP-medium ckpts/ViTLP-medium`。

4. 运行demo，使用`python ocr.py`并上传文档图像进行测试。

5. 查看`decode.py`了解详细的推理代码，并可以通过`bash decode.sh`运行批量解码。

6. 如需对ViTLP进行微调，可以参考`./finetuning`目录下的指南。