|
|
@@ -342,16 +342,17 @@ streamlit run streamlit_table_line_editor.py
|
|
|
## 🎨 使用场景
|
|
|
|
|
|
### 场景 1:银行流水识别
|
|
|
-1. 使用 `paddle_vl_tool` 或 `ppstructure_tool` 进行 OCR 识别
|
|
|
-2. 使用 `table_line_generator` 生成表格线(如需要)
|
|
|
+1. 使用 `universal_doc_parser` 进行统一文档解析, 通过配置文件选择最适合的模型, 也可以使用 `paddle_vl_tool` 或 `mineru_vl_tool` 进行 OCR 识别
|
|
|
+2. 使用 `ocr_merger` 合并多个 OCR 工具的结果
|
|
|
3. 使用 `ocr_validator` 进行结果验证
|
|
|
4. 使用 `ocr_comparator` 对比不同工具的结果
|
|
|
+5. 使用 `table_line_generator` 生成表格线(如需要), 后再使用 `universal_doc_parser` 进行统一文档解析
|
|
|
|
|
|
### 场景 2:财务报表处理
|
|
|
-1. 使用 `universal_doc_parser` 进行统一文档解析
|
|
|
+1. 使用 `universal_doc_parser` 进行统一文档解析, 通过配置文件选择最适合的模型
|
|
|
2. 使用 `ocr_merger` 合并多个 OCR 工具的结果
|
|
|
3. 使用 `ocr_validator` 进行交叉验证
|
|
|
-4. 使用 `table_line_generator` 处理复杂表格
|
|
|
+4. 使用 `table_line_generator` 处理复杂表格, 后再使用 `universal_doc_parser` 进行统一文档解析
|
|
|
|
|
|
### 场景 3:批量文档处理
|
|
|
1. 使用 `ocr_batch` 进行批量 OCR 识别
|