一，RapidDoc系統(tǒng)概述

RapidDoc是一個輕量級、專注于文檔解析的開源框架，支持OCR、版面分析、公式識別、表格識別和閱讀順序恢復(fù)等多種功能?？蚣芑?Mineru 二次開發(fā)，移除 VLM，專注于 Pipeline 產(chǎn)線下的高效文檔解析，在 CPU 上也能保持不錯的解析速度。本文章所使用的核心模型主要來源于 PaddleOCR 的 PP-StructureV3 系列（OCR、版面分析、公式識別、閱讀順序恢復(fù)，以及部分表格識別模型），并已全部轉(zhuǎn)換為 ONNX 格式，支持在 CPU/GPU 上高效推理。

?

?

二，開始部署

首先，在命令提示行執(zhí)行命令下載源文件。

git clone https://github.com/chrisma-2025/RapidDoc-OpenVINO

?

然后再執(zhí)行命令，安裝python依賴包

pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
pip install loguru pypdfium2 requests boto3 pydantic pypdf reportlab magika opencv-python tqdm omegaconf colorlog tokenizers rapidocr fast_langdetect scikit-image bs4 pdfminer pdfminer.six pdftext matplotlib
pip install onnxruntime-openvino onnxruntime
pip install --pre openvino --extra-index-url https://storage.openvinotoolkit.org/simple/wheels/nightly

?

下載OCR模型并使用指令將模型轉(zhuǎn)換為OpenVINO?支持的IR文件

cd RapidDoc-OpenVINO/models
wget https://www.modelscope.cn/models/RapidAI/RapidOCR/resolve/master/onnx/PP-OCRv5/det/ch_PP-OCRv5_server_det.onnx -P ocr
wget https://www.modelscope.cn/models/RapidAI/RapidOCR/resolve/master/onnx/PP-OCRv5/rec/ch_PP-OCRv5_rec_server_infer.onnx -P ocr
wget https://www.modelscope.cn/models/RapidAI/RapidOCR/resolve/master/onnx/PP-OCRv4/cls/ch_ppocr_mobile_v2.0_cls_infer.onnx -P ocr

下載完成后運行：python ir_converter.py

?

三，運行Demo

執(zhí)行命令返回文件根目

cd ..

Python demo.py

?

?視頻鏈接：https://blog.csdn.net/2401_83179994/article/details/154793207?spm=1011.2415.3001.10575&sharefrom=mp_manage_link

四，總結(jié)

本文完整演示了基于RapidDoc 框架的文檔解析工具落地流程：先克隆源碼、安裝 PyTorch/OpenVINO 等依賴，再下載 PP-OCRv5 系列 ONNX 模型并嘗試轉(zhuǎn)換為 IR 文件，最后通過demo.py驗證部署效果。

實際運行中，Intel GPU（Arc A770、Iris Xe Graphics）可正常調(diào)用，穩(wěn)定完成多頁面文檔的 OCR、版面分析等任務(wù)，此次部署既驗證了 RapidDoc 框架在輕量化工單解析場景的實用性，也證實了 OpenVINO? 對 Inte GPU 的適配性，為后續(xù)工業(yè)、金融等領(lǐng)域的文檔智能解析需求提供了可復(fù)用的技術(shù)方案。

如果你有更好的文章，歡迎投稿！

稿件接收郵箱：nami.liu@pasuntech.com

更多精彩內(nèi)容請關(guān)注“算力魔方?”！

?審核編輯 黃宇