DeepSeek 发布新型3B OCR 模型:高效文档解析的革命性突破
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ep,当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 OmniDocBSeench 基准测试中也表现出色,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 DeepEnekcoder 和一个名为 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 发控制高分辨率下的激活内存,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,DeepEn布新coder 提供了多种分辨率选择,包括 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 Gu型3ndam-Master,可以根据页面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B 记预测的训练,然后在多个节点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OC字体或高标记数量,可以选择 Gundam 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R 具备了良好的适应性。 论文:https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_O模型CR_paper.pdf huggingface:https://huggingface.co/deepseek-ai/DeepSeek-OCR 划重点: D:高eepSeek-OCR 是一款新发布的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% 的解码精效文度,能在大幅压缩的情况下仍保持良好表现。 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。 &n档解bsp;
- 最近发表
- 随机阅读
-
- 阿里云总裁张建锋:以云为核心的新型计算体系结构正在形成
- 当美国还在等1年,阿里云凭什么100天交付一座AIDC?
- 与高通分手?谷歌Pixel 6系列手机将搭载自研芯片
- 祸不单行!微软云计算业务遭反垄断投诉
- 外媒:苹果再次关闭美国20多家线下门店
- 标签: 英伟达 IsaacGR00T JetsonThor 宇树H2Plus
- 标签: 联想 ISG CTO AI
- 标签: OpenAI Torch ChatGPT Health 阿贝佐夫
- Meta 将 AI 编辑功能直接嵌入 Instagram Stories,一键生成梦幻特效
- OpenAI 推出 ChatGPT Pulse:为 Pro 用户提供个性化每日简报
- 微软推出 Agent Lightning:全新 AI 框架助力强化学习训练大规模语言模型
- 数据仓库技术教程:万字详解整个数据仓库建设体系
- DeepSeek神秘新模型登陆LmArena,"快乐机器人"命名引爆AI圈热议
- 标签: 豆包 SpaceX DeepSeek 梁文峰
- 使用 Velero 备份还原 Kubernetes 集群
- 腾讯汤道生:立足“以人为本”,构建“好用的AI”
- Meta发布支持128种语言的新语音模型:指向元宇宙跨语种交流
- 企业是如何解决HDFS单点问题的?
- 标签: 广汽集团 冯兴亚 GOVY 换电标准
- 标签: 科达制造 蓝科锂业 锂电材料 海外建材
- 搜索
-
- 友情链接