使用场景

研究人员使用Ollama-OCR从学术论文图像中提取数据，以进行进一步分析。

企业使用Ollama-OCR处理大量客户文档，以数字化存储和检索。

开发者将Ollama-OCR集成到自己的应用程序中，提供图像到文本的转换功能。

产品特色

支持多种视觉模型，如LLaVA 7B和Llama 3.2 Vision，以适应不同复杂度的文档识别需求。

提供多种输出格式，包括Markdown、纯文本、JSON、结构化数据和键值对，以满足不同用户的需求。

批量处理功能，可以并行处理多张图像，并跟踪每张图像的处理进度。

图像预处理功能，包括调整大小和归一化，以提高识别准确率。

用户友好的Streamlit网络应用界面，支持拖放上传图像、实时处理和下载提取的文本。

支持从图像中提取结构化数据，如表格和组织数据，以及提取标签信息。

使用教程

1. 安装Ollama-OCR：在终端中运行命令'pip install ollama-ocr'。

2. 拉取所需的模型：使用命令'ollama pull llama3.2-vision:11b'。

3. 初始化OCR处理器：在Python代码中导入OCRProcessor，并创建实例，指定模型名称。

4. 处理单张图像：调用process_image方法，传入图像路径和所需的输出格式。

5. 批量处理图像：使用process_batch方法，传入包含图像的文件夹路径，设置输出格式和处理选项。

6. 查看结果：处理完成后，可以通过打印结果或将结果保存到文件中查看提取的文本。

7. 运行Streamlit应用：在项目目录下运行命令'streamlit run app.py'，然后在浏览器中查看和使用Web应用界面。