AI OCR Frontend

Frontend de reconhecimento de caracteres da AI-Optical (AI-OOCR): Extraindo dados das imagens

Este repositório é o código front -end para uma ferramenta com a qual você pode extrair dados de imagens usando o Visual LLMS. O código de back-end (usando o FASTAPI) pode ser encontrado aqui: AI-Ooc.

Índice

• Instalação
• Uso
• Exemplo
• Licença

Instalação

Para usar a ferramenta AI-OrC, é melhor se você instalar os dois repositórios, back-end e front-end, ou seja, siga estas etapas:

1. Clone este repositório para o back -end

git clone https://github.com/jWinman91/AI-OCR.git
cd ai-ocr

2. Instale as dependências necessárias para o back -end:

pip install -r requirements.txt

3. Puxe e execute o arquivo do CoachDB Docker com o seguinte comando:

docker run -e COUCHDB_USER=admin -e COUCHDB_PASSWORD=JensIsCool -p 5984:5984 -d --name config_db couchdb:latest

3. Clone o repositório de front -end

git clone https://github.com/jWinman91/AI-OCR-Frontend.git
cd ai-ocr-frondend

3. Instale as dependências necessárias para o front -end:

pip install -r requirements.txt

Uso

Você pode iniciar o back -end executando:

python app.py $IP_ADDRESS

Certifique -se de que o contêiner do Docker para o CoachDB esteja em execução.

Como o back -end usa o FASTAPI, agora você pode experimentá -lo através dos documentos do FASTAPI indo para $IP_ADDRESS:5000/docs .

Mas você também pode começar o front -end agora executando:

chmod +x start_up.sh
./start_up.sh

De dentro do repositório de front -end clonado.

Uma janela de streamlit será automaticamente aberta no seu navegador. No aplicativo da web, você encontrará duas páginas na barra lateral:

• AI-OOCr: página da web para executar o reconhecimento de caracteres óptico real
• Configurações de modelo: Subpagem para configurar os modelos (por exemplo, chatgpt, llava, ...)

Exemplo

Agradecimentos

• Streamlit - Python -framework for Frontend.
• Abraçando o rosto-estrutura para trabalhar com modelos de processamento de idiomas naturais de última geração.