Лучший подход к преобразованию изображения в текст (ocr) [закрыто] ⇐ Python

[Anonymous]

Заголовок: Повышение точности распознавания PDF-файлов со смешанным макетом (Python): предварительная обработка и предложения по модели?
Я создаю инструмент автоматизации, который отслеживает папку, обнаруживает новые PDF-файлы, запускает распознавание текста и извлекает определенные поля в структурированный вывод. Конвейер использует Python с PyMuPDF, Tesseract/PaddleOCR и Watchdog, а также некоторые специальные методы извлечения текста на основе регулярных выражений.
Я столкнулся с несколькими проблемами:

• Некоторые PDF-файлы возвращают очень шумные результаты распознавания, хотя визуально они выглядят чистыми.
• Смешанный макеты (таблицы, многоколоночный текст) нарушают извлечение или создают беспорядочный текст.
• Не знаете, какая модель/настройка OCR обеспечивает наиболее надежную точность для таких документов.
• Неопределенность предварительной обработки – какая комбинация устранения перекоса, шумоподавления, пороговой обработки и т. д. действительно помогает?

Текущая настройка:

• PyMuPDF для PDF → преобразование изображений
• PaddleOCR (основной) + резервный вариант Tesseract
• Извлечение на основе регулярных выражений
• Автообработка папок через Watchdog/PollingObserver

Мне нужны предложения по:

• Эффективным конвейерам предварительной обработки в Python перед распознаванием текста
• Лучшим механизмам/моделям OCR для смешанной структуры документы
• Такие инструменты, как LayoutParser / DocTR / Donut для извлечения с учетом макета.
• Любые способы повысить точность перед анализом текста

Если у кого-то есть практический опыт или тесты для этих сценариев, я буду признателен за ваши идеи. Спасибо!

Подробнее здесь: https://stackoverflow.com/questions/798 ... o-text-ocr