deepdoctection を使用した OCR とレイアウト解析の前処理パイプラインの構築 は何をしますか?
エージェントワークフローで、LLM に取り込む前に、ローカルの Python パイプラインを使用して、ドキュメントレイアウト解析、OCR、テーブル認識、ページレベルの抽出を行う必要がある場合に使用します。
前提条件
Python 環境; deepdoctection パッケージ; 選択した OCR/レイアウト/モデルの依存関係; ローカルの PDF またはスキャン文書画像
インストール
お使いの環境に合わせて、アップストリームのインストールまたはセットアップパスを使用します。
- uv pip install timm # デフォルト設定に必要
- uv pip install transformers
- uv pip install python-doctr
- uv pip install deepdoctection
アップストリームからの要件と注意事項:
- deepdoctection は、PDF およびスキャン文書のレイアウト解析、OCR、文書処理を統括する Python ライブラリです。
- python
- Python >= 3.10
基本的な使用法または入門メモ:
-
およびトークン分類。ドキュメント抽出タスクのパイプラインを構築して実行し、独自のドキュメントを開発します。
-
次の例は、組み込みのアナライザーを使用して PDF ドキュメントをレイアウト構造に分解する方法を示しています。
-

-
アップストリームドキュメントから抽出: https://raw.githubusercontent.com/deepdoctection/deepdoctection/HEAD/README.md