概览

MyOCR 是一个功能强大且灵活的框架，专为帮助开发者构建和部署自定义 OCR 方案而设计，同时兼顾了生产可用性与开发体验。该库提供了一套高层次的组件架构，便于快速集成与扩展。

核心组件

MyOCR 围绕以下关键概念构建：

• 模型 (Model): 表示一个神经网络模型。MyOCR 支持加载 ONNX 模型 (OrtModel)、标准 PyTorch 模型 (PyTorchModel) 以及通过 YAML 配置定义的自定义 PyTorch 模型 (CustomModel)。模型负责执行核心计算。
  • 更多详情请参阅 模型部分。
• 处理器 (CompositeProcessor): 负责为模型准备输入数据，并将模型的原始输出转换为更易用的格式。每个预测器都配备了特定的处理器。
  • 处理器详情请参阅 预测器部分。
• 预测器 (Predictor): 将一个 Model 和一个 Processor 结合起来执行特定的推理任务（如文本检测）。它提供了一个用户友好的接口，接受标准输入（如 PIL 图像）并返回处理后的结果（如边界框）。
  • 可用预测器列表请参阅 预测器部分。
• 流水线 (Pipeline): 协调多个 Predictors 来执行复杂的多步骤任务，如端到端 OCR。流水线为最常见的用例提供了最高层次的接口。
  • 可用流水线列表请参阅 流水线部分。

类图

定制与扩展

MyOCR 的模块化设计让定制变得简单：

• 添加新模型: 了解如何通过模型加载器引入新模型。
• 创建自定义预测器: 了解如何利用 Model 和 CompositeProcessor 创建自定义 Predictor。
• 构建自定义流水线: 了解如何将多个 Predictor 组合成完整的 Pipeline。

评论