ToddleOCR是一个基于Torch实现的OCR（光学字符识别）项目，它fork自PaddleOCR，并经过作者进行了改进和优化。该项目旨在通过使用Torch框架来学习和理解OCR技术的实现原理。

ToddleOCR这个名称有三层意思：

1. 结合了Torch和Paddle两个框架的特点，因此命名为Toddle。
2. "Toddle"在英文中意味着蹒跚学步，也代表这个项目是作者在学习过程中的探索和尝试。
3. "Toddle"在中文中音译为"拓牍"，意指从竹片上拓印文字，引申为从图片中提取文字。

目前，ToddleOCR处于探索阶段，仍在不断地进行改进和优化。欢迎开发者和研究者参与其中，一起探索OCR技术的前沿。项目文档目前还是PaddleOCR的文档。

在ToddleOCR中，你可以期望以下功能特点：

• 文字检测：能够在图像中准确地检测出文字区域的位置和边界框。
• 文字识别：能够将检测到的文字区域进行识别，输出对应的文字内容。
• 表格识别：能够将检测到的单元格重建成表格
• 关键信息提取： 包括语言实体识别(SER)，关系抽取(RE)
• 多语言支持：支持多种语言的文字检测和识别，包括中文、英文等常见语言。 - 高性能：经过优化的算法和模型结构，能够在保证准确性的同时提高处理速度。

在开始之前，请确保你已经安装了以下环境：

• Python 3.x
• Torch 2.x

其他依赖库（具体依赖请参考项目文档）

1. 克隆项目代码到本地：

git clone https://github.com/arry-lee/ToddleOCR.git

或者

pip install toddleocr

2. 进入项目目录：

cd ToddleOCR

3. 安装依赖：

pip install -r requirements.txt

4. 下载模型 目前提供的模型可以在这里手动下载，代码运行时也会自动下载：

• zh_ocr_cls_v1.rar 文本角度分类模型
• zh_ocr_det_v3.rar 中英文检测模型
• zh_ocr_rec_v3.rar 中英文识别模型
• zh_str_tab_m2.rar 表格识别重建模型

1. 准备输入图像文件，例如input.jpg。

2. 运行OCR示例脚本：

python toddleocr input.jpg

这将输出检测到的文字区域和对应的识别结果。

与PaddleOCR相比，本项目摒弃yaml的配置方法，采用纯python语言，类yaml的配置方法，但更灵活，而且可以使用复杂的引用计算，并且所见即所得，具体的请参考 ptocr/config.py 中的ConfigModel类，继承并重写你的参数。

关于配置的语法，只有两点需要特别注意的，为了方便配置和简化配置量 ,项目内部定义了一个辅助类，提供了一些语法糖，如下：

1. 使用 _ 类，这是一个多功能的辅助类，有以下几个语法功能：

   1. 类似偏函数的偏类：_(DBHead,arg1=0,arg2=1) ==> partial(DBHead, **kwargs)
   2. 字符串动态导入类：_("DBHead",arg1=0,arg2=1) ==> partial(DBHead, **kwargs)
   3. 没有位置参数等效于字典：_(arg1=0,arg2=1) ==> dict(arg1=0,arg2=1)
   4. 预热学习率规划器：
   5. 等效并列列表,用于 Transformers： _[train:eval:infer,train:eval:...], 切片语法的三个位置分别表示训练，测试，推理模式下的预处理器， 特别的：...省略号表示同前一个， 空的或None表示该位置不需要这个预处理器，例如[DecodeLabel:...:]表示训练和测试需要DecodeLabel，推理不需要,这种表示方法是为了 简化配置，共享处理器减少实例的创建

   class _:
   
       def __new__(cls, class_=None, /, **kwargs):
           if class_ is None:
               return kwargs
   
           if issubclass(class_, LRScheduler) and "warmup_epoch" in kwargs:
               warmup_epochs = kwargs.pop("warmup_epoch")
               class_ = warmup_scheduler(class_, warmup_epochs)
               return partial(class_, **kwargs)
   
           if isinstance(class_, type | types.FunctionType):
               return partial(class_, **kwargs)
   
           if isinstance(class_, str):
               from tools.modelhub import Hub
               hub = Hub(os.path.dirname(__file__))  # 这个操作很耗时，尽量不使用字符串形式的导入
   
               class_ = hub(class_)
               return partial(class_, **kwargs)
   
       def __class_getitem__(cls, item):
           out = [[], [], []]
           for i in item:
               if isinstance(i, slice):
                   ls = [i.start, i.stop, i.step]
                   last = None
                   for one in ls:
                       if one is not None:
                           last = one
                           break
                   for i, one in enumerate(ls):
                       if one is ...:
                           out[i].append(last)
                       elif one:
                           out[i].append(one)
               else:
                   for one in out:
                       one.append(i)
           return out

2. 使用注解语法区分训练参数和测试参数 ConfigModel 有两个内部类 Data 和 Loader 子类可以采用注解语法区分训练时配置和测试时配置，例如：

   class Loader:
       shuffle:False = True
       drop_last:True = False
       batch_size:1 = 8
       num_workers: 0 = 4

   等号后面表示训练时参数，冒号后面表示测试时参数，没有冒号则相同 这种表示方法同样是为了简化配置

更多的可以参考已经实现的算法，例如models/det/det_db_rvd.py

如果你对ToddleOCR感兴趣，并且希望为项目做出贡献，欢迎提交问题、提出建议或者发送Pull Request。我们乐于接受来自社区的贡献，共同推动项目的发展。

如果你在使用过程中遇到任何问题，或者需要进一步的帮助与支持，请参考项目文档或者联系我们的团队。

• 项目主页：https://github.com/arry-lee/ToddleOCR
• PaddleOCR：https://github.com/paddlepaddle/PaddleOCR
• 文档：https://github.com/arry-lee/ToddleOCR/docs

本项目的发布受Apache 2.0 license许可认证。