rapid_latex_ocr: 更快更好用的公式图像转latex工具

Rapid Latex OCR

• rapid_latex_ocr是一个将公式图像转为latex格式的工具。
• 仓库中的推理代码改自LaTeX-OCR，模型已经全部转为ONNX格式，并对推理代码做了精简，推理速度更快，更容易部署。
• 仓库只有基于ONNXRuntime或者OpenVINO推理onnx格式的代码，不包含训练模型代码。如果想要训练自己的模型，请移步LaTeX-OCR。
• 如果有帮助到您的话，请给个小星星⭐或者赞助一杯咖啡（点击页面最上面的Sponsor中链接）
• 欢迎各位小伙伴积极贡献，让这个工具更好。

使用

1. 安装

   1. pip安装rapid_latext_ocr库。因将模型打包到whl包中超出pypi限制（100M），因此需要单独下载模型。

      pip install rapid_latex_ocr
      

   2. 下载模型（Google Drive | 百度网盘），初始化时，指定模型路径即可，详细参见下一部分。

      模型名称	大小
      image_resizer.onnx	37.1M
      encoder.onnx	84.8M
      decoder.onnx	48.5M

2. 使用

   • 脚本使用：

     from rapid_latex_ocr import LatexOCR
     
     image_resizer_path = 'models/image_resizer.onnx'
     encoder_path = 'models/encoder.onnx'
     decoder_path = 'models/decoder.onnx'
     tokenizer_json = 'models/tokenizer.json'
     model = LatexOCR(image_resizer_path=image_resizer_path,
                     encoder_path=encoder_path,
                     decoder_path=decoder_path,
                     tokenizer_json=tokenizer_json)
     
     img_path = "tests/test_files/6.png"
     with open(img_path, "rb") as f:
         data = f.read()
     
     result, elapse = model(data)
     
     print(result)
     # {\frac{x^{2}}{a^{2}}}-{\frac{y^{2}}{b^{2}}}=1
     
     print(elapse)
     # 0.4131628000000003
     

   • 命令行使用

     $ rapid_latex_ocr -h
     usage: rapid_latex_ocr [-h] [-img_resizer IMAGE_RESIZER_PATH]
                         [-encdoer ENCODER_PATH] [-decoder DECODER_PATH]
                         [-tokenizer TOKENIZER_JSON]
                         img_path
     
     positional arguments:
     img_path              Only img path of the formula.
     
     optional arguments:
     -h, --help            show this help message and exit
     -img_resizer IMAGE_RESIZER_PATH, --image_resizer_path IMAGE_RESIZER_PATH
     -encdoer ENCODER_PATH, --encoder_path ENCODER_PATH
     -decoder DECODER_PATH, --decoder_path DECODER_PATH
     -tokenizer TOKENIZER_JSON, --tokenizer_json TOKENIZER_JSON
     
     $ rapid_latex_ocr tests/test_files/6.png \
         -img_resizer models/image_resizer.onnx \
         -encoder models/encoder.onnx \
         -dedocer models/decoder.onnx \
         -tokenizer models/tokenizer.json
     # ('{\\frac{x^{2}}{a^{2}}}-{\\frac{y^{2}}{b^{2}}}=1', 0.47902780000000034)
     

3. 输入输出说明

   • 输入(Union[str, Path, bytes])：只含有公式的图像。
   • 输出(Tuple[str, float])： (识别结果, 耗时)， 具体参见下例：

     (
        '{\\frac{x^{2}}{a^{2}}}-{\\frac{y^{2}}{b^{2}}}=1',
        0.47902780000000034
     )
     

详情，可移步：RapidLatexOCR