Doc Layer Detect

Обнаружение и анализ слоев документов с использованием Python и FastAPI.

Описание

Doc Layer Detect - это приложение, предназначенное для анализа и извлечения информации из документов. Оно использует компьютерное зрение и машинное обучение для обнаружения таблиц, текстовых блоков, изображений и штрих-кодов. Приложение предоставляет API, позволяющий извлекать структурированную информацию из документов и визуализировать результаты анализа.

Ключевые особенности:

• Обнаружение таблиц: Идентифицирует таблицы в документе и вычисляет их структуру, включая строки и ячейки.
• Обнаружение текста: Определяет текстовые блоки в документе.
• Обнаружение изображений: Идентифицирует изображения в документе.
• Обнаружение штрих-кодов и QR-кодов: Определяет штрих-коды и QR-коды в документе.
• Визуализация результатов: Создает визуализацию результатов анализа, выделяя обнаруженные элементы на изображении.
• API для анализа: Предоставляет API для выполнения анализа документов.
• Автоматическая коррекция искажений: Алгоритмы выравнивания и коррекции изображений для компенсации угловых искажений.
• Оптимизация предобработки изображений: Предобработка изображения улучшает качество и повышает точность распознавания элементов.

Технологии

• Python 3.9+
• FastAPI: Для создания API.
• OpenCV (cv2): Для компьютерного зрения.
• NumPy: Для работы с массивами данных.
• Pillow (PIL): Для работы с изображениями.
• pyzbar: Для распознавания штрих-кодов.
• Pydantic: Для валидации данных.

Установка

1. Клонируйте репозиторий:

   git clone https://git.ymnuktech.ru/ymnuk/doc-layer-detect.git
   cd doc-layer-detect
   

2. Создайте и активируйте виртуальное окружение:

   python3 -m venv .venv
   source .venv/bin/activate  # Linux/macOS
   .venv\Scripts\activate  # Windows
   

3. Установите зависимости:

   pip install -r requirements.txt
   

Использование

1. Запуск API:

   uvicorn main:app --host 0.0.0.0 --port 8000
   

   Замените main:app на путь к вашему файлу main.py, если он находится в другом месте.

2. Эндпоинты API:

   • /analyze: Возвращает список обнаруженных элементов в виде JSON.
   • /analyze_visual: Возвращает визуализированное изображение с выделенными элементами в формате JPEG. Принимает файл изображения в формате multipart/form-data.

3. Примеры запросов:

   • Анализ изображения:

     curl -X POST -F "image=@path/to/image.jpg" http://localhost:2000/analyze_visual
     

     (Замените path/to/image.jpg на путь к вашему изображению)

   • Получение JSON с результатами анализа:

     curl -X POST -F "image=@path/to/image.jpg" http://localhost:2000/analyze
     

Зависимости

Файл requirements.txt содержит полный список зависимостей проекта. Убедитесь, что все зависимости установлены, прежде чем запускать приложение.