本文へスキップ

GOT-OCR2.0

一つのエンドツーエンドモデルで多様な OCR 課題へ

公式サイトを見る

GOT-OCR2.0 とは

本モデルはオープンソースの OCR モデルと紹介され、統一したエンドツーエンドの構成で文字認識を OCR-2.0 へ進める。

できること

  • 通常・書式付き・きめ細かい OCR 課題を動かす
  • 複数切り出しと複数ページの文書を扱う
  • 深層学習による文章認識を使う

始め方

  • GitHub からコードを手元へ複製する
  • README に沿ってパッケージと依存を導入する
  • 挙げられた入手先から重みを読み込む
  • 求める形式で学習用または試験用のデータを用意する

長所と短所

✓ 良い点

  • Hugging Face での配備が用意される
  • CUDA と PyTorch の環境に対応する

! 注意したい点

  • 挙がる課題は OCR 処理に集中する
  • 利用前に重みの入手と読み込みが要る

よくある質問

どんな OCR 課題が挙がる?

資料には通常文章、書式付き文章、きめ細かい処理、複数切り出し、複数ページが挙がる。

重みはどこから得る?

資料には Hugging Face、Google Drive、Baidu Cloud が挙がる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法