独家课程，独家中英文字幕，配套资料齐全，随时随地分享和观看！加入会员，全站资源免费下载！在个人中心每日签到，可白嫖会员！
会员专属，加入会员后，所有内容免费下载，可永久使用！在个人中心每日签到可白嫖会员！在个人中心签到，可白嫖会员！
学术必备！PDF OCR神器Nougat整合包教程
数学公式表格都能识别。Meta AI 推出了一个 OCR 神器Nougat。Nougat 基于 Transformer 模型构建而成，可以轻松的将 PDF 文档转换为 MultiMarkdown，扫描版的 PDF 也能转换，让人头疼的数学公式也不在话下。
Nougat 不但可以识别文本中出现的简单公式，还能较为准确地转换复杂的数学公式。公式中出现的上标、下标等各种数学格式也分的清清楚楚，还能识别表格，不过Nougat 生成的文档中不包含图片。
学术Fun将上述工具制作成一键启动包，点击即可使用，避免大家配置Python环境出现各种问题，下载地址： https://xueshu.fun/2930/
整合包使用教程
-
在本页面右侧下载压缩包，下载地址： https://xueshu.fun/2930/，解压后，如下图所示，双击bat文件运行
-
打开软件，浏览器访问http://127.0.0.1:7860/，即可在浏览器里操作啦！
方法概述
本文架构是一个编码器 – 解码器 Transformer 架构，允许端到端的训练，并以 Donut 架构为基础。该模型不需要任何 OCR 相关输入或模块，文本由网络隐式识别。
该研究用到了 2 个 Swin Transformer ，一个参数量为 350M，可处理的序列长度为 4096，另一参数量为 250M，序列长度为 3584。在推理过程中，使用贪婪解码生成文本。
Meta 表示，Nougat 在配备 NVIDIA A10G 显卡和 24GB VRAM 机器上可并行处理 6 个页面，生成速度在很大程度上取决于给定页面上的文本量。在不进行任何推理优化的情况下，基础模型每批次平均生成时间为 19.5s（token 数≈1400），与经典方法（GROBID 10.6 PDF/s ）相比速度还是非常慢的，但 Nougat 可以正确解析数学表达式。
