使用场景

提取考试试卷中的数学问题及其图表，生成训练数据。

从学术文章中提取复杂的表格和图形，并为其生成描述。

处理科学教材中的插图和数据图表，以帮助学生理解概念。

产品特色

支持多语言：兼容日语、韩语和英语，可根据需要轻松自定义其他语言。

结构化输出：生成 JSON 或 Markdown 格式的 AI 准备输出，包含人类可读的数学表达描述和表格摘要。

高准确性：在真实世界学术数据集上实现 90-95% 的准确率，适用于复杂布局的文档。

复杂布局支持：能够准确处理含有密集科学内容的考试风格 PDF，支持公式密集的段落和丰富的视觉元素。

智能解释：提取的元素如图表、表格、图形等均具有语义注释和上下文说明。

图像和特殊区域处理：利用 Google Vision API 的图像分析功能处理图像区域，并生成图像描述。

表格处理优化：使用 DocLayout-YOLO 进行表格区域检测，保留表格结构。

教育价值：帮助学生直观理解复杂的科学和数学概念，适合教育领域使用。

使用教程

步骤 1：运行 ocr_stage1.py，提取输入 PDF 中的原始元素（文本、表格、图形等）。

步骤 2：使用 ocr_stage2.py 处理中间数据，将其转换为结构化的人类可读输出。

步骤 3：根据需要定制输出格式（JSON 或 Markdown）以适应机器学习需求。

步骤 4：对提取的数据进行验证和调整，确保其准确性和完整性。

步骤 5：将处理后的数据应用于机器学习模型训练或教育材料开发。