您现在的位置是:热点 >>正文

DeepSeek 发布新型3B OCR 模型:高效文档解析的革命性突破

热点3024人已围观

简介...

AI 技术公司 DeepSeek 近日推出了一款名为 “DeepSeek-OCR” 的全新光学字符识别(OCR)模型。这款模型是一种端到端的视觉语言模型(VLDeM),旨在通过将长文本压缩为一小组视觉标记,随后利用语言模型进行解码,从而实现高效的文档解析。

研究团队表示,该模型在 Fox 基准测试中实现了97% 的解码精度,当ep文本标记数与视觉标记数的比例为10倍时,精度依然保持良好,甚至在20倍压缩下也能表现出有用的特性。此外,DeepSeek-OCR 在 OmniDocBench 基准Se测试中也表现出色,使用的视觉标记数量远少于传统模型。

DeepSeek-OCR 的架构由两个主要组件组成:高分辨率输入的视觉编码器 DeepEncoder 和一个名为ek DeepSeek3B-MoE-A570M 的专家混合解码器。该编码器采用了一种基于 SAM 的局部感知窗口注意机制和卷积压缩算法,能够有效控制高分辨率下的激活内存 发,并减少输出标记的数量。解码器则是一个拥有30亿参数的模型,每个标记有约5.7亿个活跃参数。

在使用不同的模式时,DeepEncoder 提供了多种分辨率选择,包布新括 Tiny、Small、Base 和 Large 模式,分别对应不同的视觉标记数量和分辨率。此外,还有动态模式 Gundam 和 Gundam-Master,可以根据页面型3复杂性灵活调整标记预算。

在训练过程中,DeepSeek 团队使用了分阶段的训练流程,首先对 DeepEncoder 进行下一个标记预测的训练,然后在多个节点B 上进行全系统的训练,最终每天能够生成超过20万页的文档。对于实际应用,团队建议用户从 Small 模式开始,如果页面包含密集的小字体或高标记数量,可以选择 GuOCndam 模式。

DeepSeek-OCR 的发布标志着文档人工智能领域的一次重要进步。该模型的高效性和灵活性使其在处理各种文档时都具备了良好的适应性。

论R 文:https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.p模型df

huggingface:https://huggingface.co/deepseek-ai/DeepSeek-OCR

划重点:

DeepSeek-OCR 是:高一款新发布的3B 视觉语言模型,具备高效的 OCR 和文档解析能力。  

该模型在 Fox 基准测试中实现了97% 的解码精度,能在大幅压缩的情况效文下仍保持良好表现。  

DeepEncoder 支持多种模式和分辨率选择,以适应不同文档的复杂性和需求。  

Tags:

相关文章

  • 标签: 富士胶片 Instax mini GFX100RF X-E5

    热点

    云梦级5月12日云梦级消息,富士胶片股份有限公司今天公布 2025 财年(截至 2026 年 3 月 31 日)全年财务业绩报告。 富士胶片 2025 财年全年业绩如下: 营收 3.357 万亿日元(...

    【热点】

    阅读更多
  • 发展人工智能不能忽视安全

    热点

    全球新一轮科技革命和产业变革方兴未艾,而作为引领新一轮科技革命和产业变革的核心驱动力量之一,人工智能近年来被广泛应用于金融、电商、医疗等领域。 风生水起之余,人工智能产业也暗藏隐忧:随着全球人工智能规...

    【热点】

    阅读更多
  • 标签: 京东 随心囤 BUG 羊毛党

    热点

    云梦级12月9日云梦级消息,据星岛记事报道,12月7日晚,京东外卖“随心囤”功能出现BUG。多名网友反馈“京东随心囤”可批量购券后发起全额退款,款项原路退回但系统仅回收其中一张券,其余券仍可正常下单—...

    【热点】

    阅读更多


友情链接