GutenOCR
用多卡 vLLM 训练评测 VLM，把图片文字识别做准
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 2026-09-29 · 当前星标 ★ 193
核心亮点
- 集成 vLLM 推理后端，多 GPU 下 OCR 推理吞吐高
- 同时覆盖训练与评测，避免自己拼装两套流程
- 专注 VLM-OCR 细分方向，数据管线和指标更贴合识别任务
不足之处
- 项目早期，文档和示例可能不完整
- 社区规模小，遇到问题可参考的 issue 和讨论有限
适用场景
- 用自有票据/证件数据微调 VLM 做结构化文字识别
- 在论文或产品中对比不同 VLM 的 OCR 准确率
- 多卡环境下批量跑图片文字提取任务
替代项目
PaddleOCR、EasyOCR
同类项目推荐
Awesome-CVPR2024-Low-Level-Visio···
开源
按任务分类整理CVPR底层视觉论文和代码，找前沿成果快人一步
A Collection of Papers and Codes in CVPR2023/2022 about low level vision
plotoptix
开源
用光线追踪让 Python 数据可视化秒变电影级 3D 大片
Data visualisation and ray tracing in Python based on OptiX 9.1 framework.
VLM-Grounder
开源
零样本 3D 定位，用自然语言直接找到目标物体
[CoRL 2024] VLM-Grounder: A VLM Agent for Zero-Shot 3D Visual Grounding
CogAlg
开源
用分层模式发现思路做图像识别实验
This project is a Computer Vision implementation of general hierarchical pattern dis···
trackers
开源
换检测器就能跑的主流多目标跟踪算法合集
Trackers gives you clean, modular re-implementations of leading multi-object trackin···
fractogenesis
开源
从单点出发，用算法长出一整片分形宇宙
Fractal structures grown from a single point, using either cellular automata rules o···
ncnn-android-nanodet
开源
手机端跑 NanoDet 实时目标检测的完整示例
ncnn android nanodet lightweight object detection
system-ocr
开源
调系统自带 OCR，截图取字不装大模型
Ocr api via system API
diffseg
开源
用扩散模型注意力，零标注自动分割图像
DiffSeg is an unsupervised zero-shot segmentation method using attention information···