可以处理各种复杂的OCR任务，不仅包括普通文本，还可以识别公式、表格、乐谱等复杂内容。
- OCR-2.0主要支持中文和英文字符识别，并能够通过进一步的微调扩展到更多语言。
- 场景文本识别：能够处理自然场景中的文本识别任务，如街道标志、广告牌上的文字等。
- 文档OCR：处理文档中完整页面的文字识别，无论是纯文本文档，还是含有表格、公式等的复杂文档。
- 格式化文本OCR：支持将光学文档中的文本直接转换为 Markdown、Latex 等格式，保持复杂文档的原始排版和格式。
- 动态分辨率：GOT 支持对超高分辦率图像（如大幅海报、拼接PDF页面）进行OCR处理，使用动态分辨率技术确保在图像过大时保持识别准确性。
- 多页OCR：GOT 能够批量处理多页文档，例如长篇PDF文件或包含多张图片的OCR任务，极大提升了处理效率。
- 公式、表格、图表识别：除了基本文本识别，GOT 还能识别和处理文档中的数学公式、化学分子式、表格、图表等复杂结构，并将其转换为可编辑的格式（如LaTex 或 Python 字典格式）。
- 格式化输出：OCR-2.0支持生成多种格式化输出，包括Markdown、TikZ、SMILES、LATEX等，能够将识别到的字符以结构化的方式输出，例如表格、数学公式、分子结构等。
项目地址：
https://github.com/Ucas-HaoranWei/GOT-OCR2.0
本文地址：https://www.163264.com/9835