Meta的OCR神器nougat强出了天际，赶紧试用一番！

摘要

https://arxiv.org/pdf/2308.13418.pdf
https://github.com/facebookresearch/nougat

nougat：你们能识别的，我可以识别，你们不能识别的，我也可以识别，Meta出品，大厂背景！这就是nougat！！！

切页

试用了一番nougat，很强！很牛！但是也很耗显存，为了省显存，只能先做点处理，首先将PDF文档转成一页一页的，代码如下：

"""
	用途：将一个 PDF 文件按页拆分为多个 PDF 文件

    注意事项：若报错 ModuleNotFoundError: No module named 'PyPDF2'
             则需要先安装该模块。使用命令 “pip install PyPDF2” 安装即可
"""


import PyPDF2  # 需要先安装：pip/pip3 install PyPDF2
import os

# root = r'C:\Users\liujieru\Documents\pdf'  # 源文件所在的绝对路径
# file_path = os.path.join(root, '组合.pdf')
file_path='2308.13418.pdf'
pdf_file = open(file_path, 'rb')  # 获取原 PDF 文件
pdf_reader = PyPDF2.PdfReader(pdf_file)  # 创建 PDF 对象
source_name = pdf_file.name  # 获取源文件名称，包含绝对路径

pdf_writer = PyPDF2.PdfWriter()  # 创建一个空白 PDF 对象

for page_num in range(len(pdf_reader.pages)):  # 将每页内容分别写入一个新文件
    page_obj =pdf_reader.pages[page_num]# pdf_reader.getPage(page_num)
    pdf_writer.add_page(page_obj)  # 向空白 PDF 对象中添加要复制的 PDF页面

    new_name = source_name[:-4] + str(page_num) + ".pdf"
    pdf_new_file = open(new_name, 'wb')  # 创建一个新文件
    pdf_writer.write(pdf_new_file)  # 将添加了内容的空白 PDF 对象，写入到新建文件中
    pdf_new_file.close()

    pdf_writer.__init__()  # 将 PDF 对象初始化

pdf_file.close()

PDF就用论文了！

转成之后，我们就开始安装nougat，

安装

From pip:

pip install nougat-ocr

From repository:

pip install git+https://github.com/facebookresearch/nougat

There are extra dependencies if you want to call the model from an API or generate a dataset.
Install via

pip install "nougat-ocr[api]" or pip install "nougat-ocr[dataset]"

好吧！主打的就是简单！！！

运行

这个就更简单了！

nougat path/to/file.pdf

我将PDF已经切成一页一页的，然后，我们测试第一页！

nougat 2308.134180.pdf

如果你想保存成文件，可以增加输出的路径！

nougat 2308.134181.pdf --out out

打开看看效果如何？

Mete最近有疯狂，疯狂的开源！
如果大家不能下载权重文件，可以用下面的链接！
https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/88301373