轻量级0.1B参数通用OCR系统，支持文字检测/识别、公式表格识别及文档版式分析，可在个人电脑本地运行
说明：
## 核心功能
OpenOCR是一款面向多场景的智能文字提取与文档解析工具，提供五大任务模式：
– **文字检测(det)**：定位图像中的文本区域，返回边界框坐标
– **文字识别(rec)**：对裁剪后的文本图像进行内容识别，支持中英文
– **端到端OCR(ocr)**：检测+识别的完整流水线，适合通用场景
– **通用识别(unirec)**：基于0.1B参数VLM的视觉语言模型，可识别文字、数学公式、表格，输出LaTeX格式
– **文档解析(doc)**：结合版式分析(layout detection)与通用识别，实现结构化文档提取，支持导出Markdown/JSON
### 显著优势
1. **极致轻量**：核心模型仅需0.1B参数，普通CPU即可流畅运行，无需高端GPU
2. **多格式支持**：原生处理图片(JPG/PNG/BMP)、PDF文件及NumPy数组输入
3. **灵活部署**：提供ONNX（默认，无额外依赖）和PyTorch双后端，支持CPU/GPU自动切换
4. **专业场景覆盖**：数学公式识别输出标准LaTeX，表格识别保留结构信息，版式分析区分标题、正文、图表等区域
5. **批量处理友好**：支持目录批量处理、PDF多页并行、自定义批大小优化吞吐
### 潜在局限
– 图像质量直接影响准确率，过小字体、过度旋转、严重模糊会降低效果
– 手写体识别稳定性弱于印刷体
– `server`模式精度更高但依赖PyTorch且速度显著慢于`mobile`模式
– PDF处理需内部转图为页，超大文档可能占用较多内存
– 0.1B参数的VLM在极端复杂版式上可能不如更大模型
### 适用人群
– **学术研究者**：快速提取论文截图中的公式、表格为可编辑LaTeX
– **办公用户**：批量转换扫描件/PDF为结构化Markdown文档
– **开发者**：低成本集成OCR能力至本地应用，无需调用云服务
– **数据标注人员**：自动化文档预处理与内容结构化
### 常规风险提示
– 本地运行虽保障数据隐私，但需自行管理模型文件安全
– GPU加速需额外安装`onnxruntime-gpu`，配置不当可能回退至CPU模式
– 自动下载的模型文件建议校验完整性，避免网络中间人攻击
