Nanonets-OCR-s：能把图片里的表格转换成Markdown格式模型

Nanonets-OCR-s是什么？

Nanonets-OCR-s，能把图片里的表格转换成Markdown格式，而且还能识别 LaTeX 语法。它还能找到图片的位置，转换成 <img> 标签。签名会被转换成 <signature> 标签，复选框之类的符号会用颜文字表示。它还能处理合并单元格的表格，并输出为 HTML 格式。这个模型大小是 3.75B，是基于 Qwen2.5-VL-3B-Instruct 微调的，所以中文支持得很好。

功能亮点

• 表格转换：可以精准提取复杂表格，并将其转换为清晰的 Markdown 和 HTML 格式。

• 公式识别：能够将文档中的数学公式准确转换为 LaTeX 语法，无论是内联公式还是独立公式都能轻松应对。

• 图像处理：自动识别文档中的图片，并用 <img> 标签进行描述，方便后续处理。

• 签名与水印提取：可以检测到文档中的签名和水印，并分别用 <signature> 和 <watermark> 标签标记出来。

• 复选框处理：将文档中的复选框和单选按钮转换为标准的 Unicode 符号，方便阅读和编辑。

使用方式

通过 Python 库：

• 安装必要的库（如 transformers 等）。

• 加载预训练模型，然后处理图像并提取内容。

通过服务器接口：

• 启动服务器，通过 Python 和相关客户端发送请求，获取转换结果。

通过简化工具：

• 使用 docext 等工具，一键启动应用，简化操作流程。

适用场景

• 学术研究：快速将论文中的公式、图表和表格转换为可编辑的 Markdown 格式，方便整理和进一步研究。

• 商业办公：处理合同、报表等文件，提取关键信息并保持格式一致，提高工作效率。

• 法律领域：识别和隔离签名、水印等重要元素，确保文档的完整性和准确性。

优势

• 功能强大：能识别多种文档元素，满足不同场景的需求。

• 智能高效：通过智能识别和语义标记，让输出内容更易于处理。

• 轻量便捷：模型大小适中，基于现有技术优化，支持中文。

项目地址

https://huggingface.co/nanonets/Nanonets-OCR-s