登录社区云，与社区用户共同成长
邀请您加入社区
PaddleOCR-VL多模态文档解析模型的本地部署与使用。相比传统OCR工具，PaddleOCR-VL不仅能识别文字，还具备理解表格、公式、图表等复杂文档结构的能力。文章提供了整合包下载方式，详细演示了从安装配置到识别印刷体、手写体和数学公式的全过程。该模型支持100+语言识别，参数规模适中（0.9亿），既适合本地部署又可结合cpolar实现远程访问，解决了传统OCR在隐私保护、批量处理和复杂文
本文介绍了将PaddlePaddle模型转换为ONNX格式的方法。指出新版本Paddle2ONNX（2.1.0）使用inference.json文件而非旧版的model.pdmodel文件。文章详细说明了转换命令格式，并提供了三个具体转换示例（文本检测、识别和方向分类模型）。同时给出了官方模型下载链接和转换后的效果展示。注意事项部分强调版本兼容性：PaddlePaddle需≥3.0.0且≤3.1.
本项目基于PaddlePaddle框架开发了一个中文新闻标题分类系统，采用BiLSTM模型实现端到端文本分类。系统亮点包括：字粒度编码降低未登录词影响，引入Dropout等正则化技术防止过拟合，支持财经、房产等10类新闻分类，测试准确率达90.59%。项目提供完整的训练评估流程、混淆矩阵可视化以及Tkinter图形化预测界面，模块化设计便于扩展。实验表明，针对短文本特性，BiLSTM能有效捕捉标题
如果你在做任何涉及文档的 AI 工作流，MinerU 值得试一下。它解决的不是"能不能提取文字"的问题，而是"能不能让 AI 真正读懂文档"的问题。这个区别，在实际项目里会差一个量级的效果。MinerURAGPDF解析AI工作流LangChainOpenClawAgentCSDN。
本项目借助 PaddleOCR 开源引擎，并利用其内置工具 PP-StructureV3 实现了大量PDF的自动化OCR处理和结构化输出，并配合 Python 脚本实现了处理结果的自动化整理。
大模型半监督学习-目标检测产线是飞桨特色的目标检测训练产线，通过大小模型联合训练的方式，使用少量有标签数据和大量无标注数据提升模型的精度，大幅度减少人工迭代模型的成本、标注数据的成本。文档场景信息抽取v4（PP-ChatOCRv4）是飞桨特色的文档和图像智能分析解决方案，结合了 LLM、MLLM 和 OCR 技术，在文档场景信息抽取v3的基础上，优化了版面分析、生僻字、多页 pdf、表格、印章识别
本文记录了使用PaddleX工具进行OCR模型测试时遇到的问题。在星河社区安装PaddleX后，执行命令出现"command not found"错误，后发现需进入特定目录执行。运行OCR管道时出现框架不兼容错误，尝试设置FLAGS_use_onednn=0仍无法解决。在Windows环境下测试时，Python 3.14无法安装飞桨框架。最终问题暂未解决，需进一步排查版本兼容性
Paddle2ONNX 支持将模型格式转化到ONNX模型格式。通过 ONNX 可以完成将 Paddle 模型到多种推理引擎的部署，包括 TensorRT/OpenVINO/MNN/TNN/NCNN，以及其它对 ONNX 开源格式进行支持的推理引擎或硬件。
阶段输入处理输出模型推理图像[3, H, W]Logits[80, 6625]ArgMaxLogits找每列最大值索引序列[80]（0~6624）CTC 解码索引序列去 blank + 去重字符串（如"粤B88888"这套流程高效、鲁棒，是工业 OCR 系统的标准实践。
Paddle Inference 是飞桨的原生推理库， 作用于服务器端和云端，提供高性能的推理能力。由于能力直接基于飞桨的训练算子，因此 Paddle Inference 可以通用支持飞桨训练出的所有模型。Paddle Inference 功能特性丰富，性能优异，针对不同平台不同的应用场景进行了深度的适配优化，做到高吞吐、低时延，保证了飞桨模型在服务器端即训即用，快速部署。一些常见的文档链接如下：
