Indra OCR saniyede 49 sayfa hızla metin ayrıştırıyor
Öne çıkanlar
- Indra OCR, 32 çekirdekli CPU üzerinde saniyede 49 sayfa işleme kapasitesine ulaştı.
- Model, Tesseract 5 ve PaddleOCR PP-OCR çözümlerinden 11 ila 17 kat daha hızlı çalışıyor.
- Sistem ham metnin yanı sıra satır koordinatlarını ve belge düzenini Markdown ya da JSON olarak sunuyor.
- İsteğe bağlı sunulan matematik modu etkinleştirildiğinde formüller satır içi LaTeX çıktısına dönüştürülüyor.
Datalab ekibi, 1 milyon parametreli hafif bir tanıma modeli etrafında inşa edilen yeni optik karakter tanıma aracı Indra OCR'ı yayımladı. Model, pahalı grafik işlemcilere ihtiyaç duymadan 32 çekirdekli merkezi işlem biriminde saniyede 49 sayfaya kadar metin işleyebiliyor. Sayfa başına gecikme süresi yaklaşık 230 milisaniye olarak ölçülen yazılım, bu performansıyla Tesseract ve PaddleOCR gibi yaygın rakiplerinden 11 ile 17 kat daha hızlı çalışıyor.
Araç yalnızca ham metin çıkarmakla kalmıyor, aynı zamanda belgedeki satırları ve sayfa düzenini ayrıntılı biçimde çözümlüyor. Başlıklar, listeler, tablolar, dipnotlar ve açıklamalar tespit edilerek okuma sırasına göre etiketleniyor. Kullanıcılar çıktıları temiz Markdown veya sınırlayıcı kutu koordinatları içeren JSON formatında alabiliyor. Sayfa ters veya yan çevrilmişse model önce görüntüyü düzeltiyor ve dijital belgelerde mevcut metin katmanını doğrudan okuyarak süreci hızlandırıyor.
OmniParseBench kıyaslamasında kapsamlı testlerden geçirilen Indra OCR, isteğe bağlı matematik modu açıldığında LaTeX formatındaki formülleri de tanıyabiliyor. Bununla birlikte aracın bazı kısıtlamaları bulunuyor; çok düzeyli karmaşık tablolar, el yazıları ve dikey metinler henüz desteklenmiyor. Görüntü tabanlı taramalarda Latin, Kiril, Yunan, Devanagari, Bengal ve Çin alfabeleri desteklenirken Arapça ve İbranice gibi diller şimdilik yalnızca dijital PDF metin katmanı üzerinden okunuyor.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.