DTrOCR
用纯解码器 Transformer 直接生成文字，简化 OCR 识别流程
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-09-19 · 当前星标 ★ 205
核心亮点
- 架构简洁，去掉编码器和 CTC，仅用解码器 Transformer 自回归出字符
- 提供完整训练与推理脚本，可直接在常见 OCR 数据集上复现论文结果
- 基于 PyTorch 实现，代码可读性高，便于研究者修改和做消融实验
不足之处
- 项目处于早期阶段，星标和社区规模较小，长期维护情况待观察
- 自回归解码推理速度通常慢于 CTC 类方法，长文本场景效率可能受限
适用场景
- 学术研究中复现 decoder-only OCR 论文并对比不同识别架构
- 在自定义场景文本或手写数据集上微调识别模型
- 作为教学示例，帮助理解 Transformer 解码器在 OCR 任务中的应用
替代项目
PaddleOCR、MMOCR
上一篇：PPOCRLabel
下一篇：GutenOCR
同类项目推荐
MulimgViewer
开源
一个界面并排看多图，对比拼接不用来回切窗口
MulimgViewer is a multi-image viewer that can open multiple images in one interface,···
cvkit
开源
轻量 C++ 工具，快速查看图像与 3D 模型
Computer Vision Toolkit. cvkit is available for Linux as well as for Windows. It off···
RawMangaReader
开源
本地离线识别日文漫画文字，保护隐私免上传
An OCR App for Manga
DECIMER-Image-Segmentation
开源
从论文插图自动切出化学结构式
Chemical structure detection and segmentation tool for Journal articles.
awesome-low-light-image-enhancem···
开源
低光增强论文与代码一站索引，快速选型不迷路
This is a resouce list for low light image enhancement
BEVT
开源
用图像预训练加速视频 Transformer，省数据省算力
PyTorch implementation of BEVT (CVPR 2022) https://arxiv.org/abs/2112.01529
mmcv
开源
OpenMMLab 通用视觉底座，算子与训练流程开箱即用
OpenMMLab Computer Vision Foundation
npq-vit
开源
用球面量化替换传统VQ，让视觉tokenizer码本更省更准
[ICLR 2025] Binary Spherical Quantization + [CVPR 2026] Leech Spherical Quantization
SeGAN
开源
用GAN补全遮挡区域，让图像分割与生成一步到位
SeGAN: Segmenting and Generating the Invisible (https://arxiv.org/pdf/1703.10239.pdf···