专栏名称: 顶层架构领域
专注核心架构领域知识、经典干货总结、技术领域趋势跟踪,以通俗易懂的方式传播——复杂的事简单化
今天看啥  ›  专栏  ›  顶层架构领域

MinerU一款全能、开源的文档与网页数据提取工具

顶层架构领域  · 公众号  ·  · 2024-09-13 12:00

文章预览

点击上方 蓝色 “ 顶层架构领域 ”,关注精彩与你分享 MinerU 是一款由上海人工智能实验室OpenDataLab团队发布的全能、开源的文档与网页数据提取工具。 它能够将包含图片、表格、公式等元素的多模态PDF文档转化为清晰、易于分析的Markdown格式,同时也支持从包含广告等干扰信息的网页中快速解析、抽取正式内容,并将其批量转化为Markdown格式。 一、主要特点 多功能性 :MinerU 包含两个主要部分:Magic-PDF和Magic-Doc,分别负责PDF文档提取和网页与电子书提取。 多模态处理 :Magic-PDF能够处理PDF中的图像、表格、公式等多种内容类型,并保留原文档的结构和格式。 高质量解析 :MinerU使用了先进的模型,如LayoutLMv3、YOLOv8、UniMERNet和PaddleOCR,以确保数据提取的高准确度。 广泛的应用场景 :适用于学术、财务、法律等多个领域,并支持多达176种语言的准确 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览