Occular OCR

Быстрый и точный OCR для русскоязычных документов.

• В 20 раз быстрее EasyOCR на CPU
• В 2 раза точнее Tesseract на русском тексте
• ~1 секунда на страницу на современном CPU (ONNX Runtime)
• Простой API: всего 3 строки кода
• GPU поддерживается, но библиотека оптимизирована под CPU

	Occular	EasyOCR	Tesseract
Детекция F1	88.6%	82.0%	68.0%
Точность распознавания	93.7%	78.4%	46.2%
Скорость (CPU)	0.57 сек/стр	11.57 сек/стр	1.08 сек/стр

---

English

Fast and accurate OCR for Russian documents.

• 20x faster than EasyOCR on CPU
• 2x higher accuracy than Tesseract on Russian text
• ~1 second per page on modern CPU (ONNX Runtime)
• Simple API: just 3 lines of code
• GPU supported, but optimized for CPU inference

	Occular	EasyOCR	Tesseract
Detection F1	88.6%	82.0%	68.0%
Recognition Accuracy	93.7%	78.4%	46.2%
Speed (CPU)	0.57 sec/page	11.57 sec/page	1.08 sec/page

---

Установка / Installation

pip install -e .

Использование / Usage

Простой API (3 строки)

from ocr_skel import ocr

text = ocr("photo.png")
print(text)

# PDF возвращает список строк (по одной на страницу)
pages = ocr("document.pdf")
print(pages[0])

Продвинутый API

from ocr_skel import OCRPipeline

pipeline = OCRPipeline(onnx=True, gpu=False)

# Изображение с координатами
results = pipeline.process_image("photo.png")
for r in results:
    print(f"{r['text']} ({r['confidence']:.1%})")

# PDF с параллельной обработкой
results = pipeline.process_pdf("document.pdf", dpi=300, workers=4)

CLI

ocr photo.png                    # Распознать изображение
ocr document.pdf                 # Распознать PDF
ocr scan.pdf --workers 4         # 4 воркера для PDF
ocr photo.png --json             # Вывод с координатами
ocr photo.png -o result.json     # Сохранить в файл

Формат вывода / Output Format

[
  {
    "quad": [[x1, y1], [x2, y2], [x3, y3], [x4, y4]],
    "text": "распознанный текст",
    "confidence": 0.95
  }
]

Тестирование / Testing

pytest -q

Лицензия / License

• Код: GPL-3.0
• Веса моделей: MODEL_LICENSE.md