TwiScan
Hot
Communities
Account collections
Login
Register
English
日本語
한국의
简体中文
繁体中文
Register and share your invite link to earn from video plays and referrals.
Register now
Ren
@Ryrenz
AI Engineer | 分享实用 AI 工具和实战心得
Joined March 2025
696
Following
12.1K
Followers
Ren
@Ryrenz
2026.08.24 14:40
🔍 扫描件里的文字和表格,它能连结构一起扒出来 俄罗斯科学院系统编程研究所出品,有两篇学术论文支撑 处理一堆合同、报告、发票的时候,光把文字 OCR 出来不够用。你要的是"这份文件有哪几个章节、哪一段属于哪个标题下、这张表第三行第二列是什么",普通 OCR 给你一大坨纯文本,结构全丢了,后面还得人来重排。 Dedoc 的定位是文档解析,不只是识别。它输出文本、表格、格式、元数据和逻辑结构,标题和列表用树形结构表示,父子关系是保留的。格式吃得很杂:DOC、DOCX、ODT、XLS、XLSX、CSV、TXT、JSON、HTML、PDF、图像和压缩包都行,带文本层的 PDF、扫描图像和没有文本层的 PDF 都能处理,扫描件走 Tesseract OCR 配合机器学习和图像处理,方向歪了能自动校正。 接入方式给了三种:REST API、Docker 镜像和 Python 包,做成流水线里的一环很方便。 边界也说明了:扫描表格只能识别有明确边界的那种,扫描文档处理范围限于黑白文档。项目来自俄罗斯科学院系统编程研究所,2022 年拿过俄罗斯创新援助基金会的 AI 项目资助,2023 和 2024 年各发了一篇论文。Apache 2.0 协议。 识别出字只是开始,还原出结构才有用。 GitHub:
Show more
0
0
0
2
1
Forward to community
Most Popular Users
Tibo
@thsottiaux
1M Followers
FinancialJuice
@financialjuice
959.3K Followers
Binance Wallet
@BinanceWallet
2.8M Followers
First Squawk
@FirstSquawk
579.9K Followers
LiveSquawk
@LiveSquawk
504.3K Followers
Binance
@binance
16.1M Followers
Serenity
@aleabitoreddit
1.1M Followers
ClaudeDevs
@ClaudeDevs
833.6K Followers
CNBC
@CNBC
6.3M Followers
Seeking Alpha
@SeekingAlpha
348.2K Followers
Boris Cherny
@bcherny
641.8K Followers
Thariq
@trq212
405.3K Followers
TheStreet
@TheStreet
1.2M Followers
The Wall Street Journal
@WSJ
22.3M Followers
New York Post
@nypost
4.3M Followers