GOT的模型介绍

GOT-OCR2.0是一款新一代的光学字符识别（OCR）技术，标志着人工智能在文本识别领域的重大进步。作为一款开源模型，GOT-OCR2.0不仅支持传统的文本和文档识别，还能够处理乐谱、图表以及复杂的数学公式，为用户提供了更加全面和高效的解决方案。

• 1. 多语言支持：GOT-OCR2.0 主要支持中文和英文字符识别，并能够通过进一步的微调扩展到更多语言。这种灵活性使其适用于国际化应用，满足不同用户的需求。
• 2. 场景文本识别：该系统能够处理自然场景中的文本识别任务，例如街道标志、广告牌上的文字等。这一功能使得 GOT-OCR2.0 在各种实际应用中表现出色。
• 3. 文档 OCR：GOT-OCR2.0 能够处理文档中完整页面的文字识别，无论是纯文本文档，还是含有表格、公式等复杂内容的文档。这一功能极大地方便了文档数字化和信息管理。
• 4. 格式化文本 OCR：该系统支持将光学文档中的文本直接转换为 Markdown、LaTeX 等格式，保持复杂文档的原始排版和格式。这使得后续编辑和排版工作更加高效。
• 5. 动态分辨率处理：GOT-OCR2.0 采用动态分辨率技术，支持对超高分辨率图像（如大幅海报、拼接 PDF 页面）进行 OCR 处理，确保在图像过大时仍能保持较高的识别准确性。
• 6. 多页 OCR：该系统能够批量处理多页文档，例如长篇 PDF 文件或包含多张图片的 OCR 任务，显著提升了处理效率。这对于需要大量文档处理的用户尤为重要。
• 7. 公式、表格与图表识别：除了基本文本识别，GOT-OCR2.0 还能够识别和处理文档中的数学公式、化学分子式、表格及图表等复杂结构，并将其转换为可编辑格式（如 LaTeX 或 Python 字典格式），满足更专业的需求。

以下是一些实际效果图

GOT模型的部署

以下我将详细的说明安装过程中常出现的问题

前置条件

首先的在window/linux上安装， 创建虚拟环境，避免环境冲突，严格要求torch，cuda版本一致，这里使用的版本是环境是 cuda11.8+torch2.0.1，python=3.10

下载库函数的过程中，库函数flash-attention会出现许多问题，这里单独说一下这个环境的安装

flash-attention的安装

常见安装如下

• 

错误类型1

• 
• 

错误类型2

• 

由于改库是从git仓库当中下载，所以下载之前需要初始话git 使用git init

如果是在linux系统下载flash attention 可能会出现终端保持一个界面长时间不动，就算有问题也不会显示，可以使用以下命令，将错误日志保存本地

• 

  以上问题都解决以后，在下载flash之前，还需要下载ninja，这样可以加速falsh的下载速度，官方显示的正常下载时间可能要几个小时，有了ninja以后可能几分钟即可完成

• 

  还需要判断ninja是否生效，输入以下指令，返回结果为0，才可以快速下载

• 

GOT的模型的使用

这里着重讲一下如何的调用这个模型

• 1.首先git GOT这个项目以后cd到GOT文件夹下
• 2.去下载权重文件这里提供三个地址1. 百度云盘提取码:OCR2 2. Huggingface 3.Google Drive
• 3.下载以后需要将权重文件放在与GOT同一目录下，权重文件1.4gb左右
• 4.
• 5.然后需要cd的以下文件下再启动
• 6.
• 7.直接启动会提示找不到got
• 8.

需要使用export PYTHONPATH=/home/dupc/GOT-OCR2.0/GOT-OCR-2.0-master:$PYTHONPATH，或者去.bashrc文件设置一下全局变量

这时候再启动该模型即可返回结果

• 6.