Rapid_latex_ocr: より高速で便利な数式画像から Latex への変換ツール

高速ラテックス OCR

• rapid_latex_ocr式画像をラテックス形式に変換するツールです。
• ウェアハウス内の推論コードはLaTeX-OCRから変更され、モデルはすべて ONNX 形式に変換され、推論コードが簡素化され、推論がより速く、より簡単に展開できるようになりました。
• ウェアハウスには、NX 形式に基づくコードONNXRuntimeまたはそのOpenVINO推論のみが含まれており、トレーニング モデル コードは含まれません。独自のモデルをトレーニングしたい場合は、LaTeX-OCRに移動してください。
• お役に立ちましたら、小さな星 ⭐ を付けるか、一杯のコーヒーをスポンサーしてください (ページ上部のスポンサーのリンクをクリックしてください)
• このツールをより良くするために、友人全員が積極的に貢献することを歓迎します。

使用

1. インストール

   1. piprapid_latext_ocrライブラリをインストールします。モデルを whl パッケージにパッケージ化すると pypi 制限 (100M) を超えるため、モデルを個別にダウンロードする必要があります。

      pip install rapid_latex_ocr
      

   2. モデルをダウンロードします ( Google Drive | Baidu Netdisk )。初期化するときは、モデルのパスを指定するだけです。詳細については、次の部分を参照してください。

      モデル名	サイズ
      image_resizer.onnx	37.1M
      encoder.onnx	84.8M
      decoder.onnx	48.5M

2. 使用

   • スクリプトでは以下を使用します。

     from rapid_latex_ocr import LatexOCR
     
     image_resizer_path = 'models/image_resizer.onnx'
     encoder_path = 'models/encoder.onnx'
     decoder_path = 'models/decoder.onnx'
     tokenizer_json = 'models/tokenizer.json'
     model = LatexOCR(image_resizer_path=image_resizer_path,
                     encoder_path=encoder_path,
                     decoder_path=decoder_path,
                     tokenizer_json=tokenizer_json)
     
     img_path = "tests/test_files/6.png"
     with open(img_path, "rb") as f:
         data = f.read()
     
     result, elapse = model(data)
     
     print(result)
     # {\frac{x^{2}}{a^{2}}}-{\frac{y^{2}}{b^{2}}}=1
     
     print(elapse)
     # 0.4131628000000003
     

   • コマンドラインの使用

     $ rapid_latex_ocr -h
     usage: rapid_latex_ocr [-h] [-img_resizer IMAGE_RESIZER_PATH]
                         [-encdoer ENCODER_PATH] [-decoder DECODER_PATH]
                         [-tokenizer TOKENIZER_JSON]
                         img_path
     
     positional arguments:
     img_path              Only img path of the formula.
     
     optional arguments:
     -h, --help            show this help message and exit
     -img_resizer IMAGE_RESIZER_PATH, --image_resizer_path IMAGE_RESIZER_PATH
     -encdoer ENCODER_PATH, --encoder_path ENCODER_PATH
     -decoder DECODER_PATH, --decoder_path DECODER_PATH
     -tokenizer TOKENIZER_JSON, --tokenizer_json TOKENIZER_JSON
     
     $ rapid_latex_ocr tests/test_files/6.png \
         -img_resizer models/image_resizer.onnx \
         -encoder models/encoder.onnx \
         -dedocer models/decoder.onnx \
         -tokenizer models/tokenizer.json
     # ('{\\frac{x^{2}}{a^{2}}}-{\\frac{y^{2}}{b^{2}}}=1', 0.47902780000000034)
     

3. 入力と出力の説明

   • 入力 ( Union[str, Path, bytes]) : 数式のみを含む画像。
   • 出力 ( Tuple[str, float]) : (识别结果, 耗时)。詳細については、次の例を参照してください。

     (
        '{\\frac{x^{2}}{a^{2}}}-{\\frac{y^{2}}{b^{2}}}=1',
        0.47902780000000034
     )
     

詳細については、 RapidLatexOCRに移動してください。