GLM-OCR

الوصف

GLM-OCR هو نموذج OCR متعدد الوسائط متطور تم تطويره لفهم الوثائق المعقدة. يعتمد على بنية GLM-V للترميز وفك الترميز، ويقدم تقنيات مبتكرة مثل خسارة التنبؤ متعدد الرموز (MTP) والتعلم المعزز المستقر. تعزز هذه التطورات بشكل كبير كفاءة التدريب ودقة التعرف وقدرات التعميم.

يتكامل النموذج مع مشفر الصور CogViT، المدرب مسبقًا على بيانات الصور والنصوص الواسعة، وموصل خفيف الوزن عبر الوسائط مع تقليل فعال للرموز. كما يتميز بفك ترميز اللغة GLM-0.5B. تشكل هذه المكونات معًا خط أنابيب من مرحلتين لتحليل التخطيط والتعرف المتوازي بناءً على PP-DocLayout-V3، مما يضمن أداءً قويًا وعالي الجودة في OCR عبر تخطيطات الوثائق المختلفة.

يحقق GLM-OCR نتائج رائدة، حيث سجل 94.62 على OmniDocBench V1.5 واحتل المرتبة الأولى بشكل عام. يتفوق في المعايير الرئيسية لفهم الوثائق، بما في ذلك التعرف على الصيغ، والتعرف على الجداول، واستخراج المعلومات. النموذج مُحسّن للسيناريوهات الواقعية، حيث يحافظ على أداء قوي في الجداول المعقدة، والوثائق التي تحتوي على أكواد، والأختام، وغيرها من التخطيطات التحدي.

مع وجود 0.9 مليار معلمة فقط، يدعم GLM-OCR النشر عبر vLLM وSGLang وOllama، مما يقلل من زمن الاستدلال وتكاليف الحوسبة. مما يجعله مثاليًا للخدمات ذات التزامن العالي والنشر على الحافة. النموذج مفتوح المصدر بالكامل، مزود بمجموعة أدوات تطوير البرمجيات الشاملة وأدوات الاستدلال، مما يوفر تثبيتًا بسيطًا، واستدعاءً من سطر واحد، وتكاملًا سلسًا في خطوط الإنتاج الحالية.

توصى مجموعة أدوات تطوير البرمجيات الرسمية لمهام تحليل الوثائق، حيث تتكامل مع PP-DocLayoutV3 لتحليل التخطيط وتوليد المخرجات المنظمة. يقلل هذا من العبء الهندسي المطلوب لبناء أنظمة ذكاء وثائق شاملة. تم إصدار نموذج GLM-OCR بموجب ترخيص MIT، مع خط أنابيب OCR الكامل الذي يتكامل مع PP-DocLayoutV3، المرخص بموجب ترخيص Apache 2.0.

أبرز ملامح GLM-OCR

• نموذج OCR متعدد الوسائط

• بنية GLM-V للترميز وفك الترميز

• خسارة التنبؤ متعدد الرموز

• التعلم المعزز المستقر

• مشفر الصور CogViT

• فك ترميز اللغة GLM-0.5B

• خط أنابيب من مرحلتين

• أداء رائد

البدء مع GLM-OCR

1. 1

   الوصول إلى الصفحة: زيارة صفحة GLM-OCR على Hugging Face

2. 2

   تحميل النموذج: تنزيل نموذج GLM-OCR

3. 3

   تكوين البيئة: إعداد البيئة المطلوبة للنموذج

4. 4

   التكامل: استخدام مجموعة أدوات تطوير البرمجيات للتكامل السلس

حالات استخدام GLM-OCR

• تحليل الوثائق
• استخراج المعلومات
• التعرف على الجداول
• التعرف على الصيغ
• تحليل التخطيط

الأسئلة الشائعة من GLM-OCR

• ما هو GLM-OCR؟

  GLM-OCR هو نموذج OCR متعدد الوسائط لفهم الوثائق المعقدة، يعتمد على بنية GLM-V للترميز وفك الترميز.

• ما هي الميزات الرئيسية لـ GLM-OCR؟

  تشمل الميزات الرئيسية خسارة التنبؤ متعدد الرموز، والتعلم المعزز المستقر، وخط أنابيب من مرحلتين لأداء OCR قوي.

• كيف يؤدي GLM-OCR في المعايير؟

  يحقق GLM-OCR درجة 94.62 على OmniDocBench V1.5، ويحتل المرتبة الأولى بشكل عام، ويتفوق في المعايير الرئيسية لفهم الوثائق.

• هل GLM-OCR مناسب للسيناريوهات الواقعية؟

  نعم، إنه مُحسّن لحالات الاستخدام العملية، حيث يحافظ على أداء قوي في الجداول المعقدة، والوثائق التي تحتوي على أكواد، وأكثر.

• ما هو حجم المعلمات لـ GLM-OCR؟

  يمتلك GLM-OCR 0.9 مليار معلمة، مما يدعم النشر الفعال وتقليل زمن الاستدلال.

• هل GLM-OCR مفتوح المصدر؟

  نعم، GLM-OCR مفتوح المصدر بالكامل ومزود بمجموعة أدوات تطوير برمجيات شاملة وأدوات استدلال.

• ما هي التراخيص التي تنطبق على GLM-OCR؟

  تم إصدار GLM-OCR بموجب ترخيص MIT، مع خط أنابيب OCR الذي يتكامل مع PP-DocLayoutV3، المرخص بموجب ترخيص Apache 2.0.

• ما هو الاستخدام الموصى به لـ GLM-OCR؟

  لمهام تحليل الوثائق، يُوصى باستخدام مجموعة أدوات تطوير البرمجيات الرسمية للحصول على خط أنابيب كامل وسهل الاستخدام.