Изменения версий

0.1.13

Как обновить код для новой версии, описано в Переход с 0.1.12 на 0.1.13.

  • Добавлен ConsensusWBFDetector с голосами отдельных детекторов и необязательным взвешенным слиянием рамок.

  • В ансамблях голосования большинства и медоида сохраняется регистр победившего написания.

  • Добавлено необязательное CUDA-декодирование TrOCR на устройстве с явной проверкой возможностей и резервным путём NumPy.

  • Снижено потребление памяти инференса благодаря пакетной подготовке областей и предобработке детекторов; добавлены сортировка PPOCRRec по ширине и бюджет пикселей.

  • Добавлены относительные отступы bbox наружу и внутрь; определение колонок в SimpleSorting включено по умолчанию.

  • Добавлены необязательные нативная и браузерная среды выполнения, браузерная OCR-демонстрация и явные extras для установки сред.

  • Удалены зависимости RapidFuzz и Levenshtein, обновлены примеры обучения.

  • Вместо фиксированной иерархии блоков, строк и текстовых фрагментов используется расширяемое дерево документа с Element, Page и TextRegion.

  • Добавлены классы для таблиц, ячеек и изображений, проверка сетки таблиц и хранение ориентации элементов.

  • Дерево документа можно сохранять в COCO для одного изображения с расширениями Manuscript и выводить в виде обычного текста.

  • Добавлен Stack для объединения обработчиков и параллельного запуска независимых детекторов.

  • Добавлены ансамбли распознавателей на основе голосования и метода медоида. Деревья, возвращённые моделями, проходят строгую проверку.

  • Добавлен ReadingSorting: определяет порядок чтения и вложенность регионов по геометрии. Пороги перекрытия можно настроить.

  • SimpleSorting обновлён для группировки регионов дерева с сохранением исходных объектов и содержимого таблиц.

  • Добавлены настраиваемые уровни распознавания, подготовка фрагментов и компенсация ориентации.

  • Добавлены совместимые ONNX-распознаватели PPOCRRec и TrOCR, включая декодирование TrOCR с KV-cache.

  • Добавлена поддержка совместимых моделей PPOCR, RFDETR и Mask2Former.

  • Типы регионов теперь явно сопоставляются с классами детектора. По запросу доступны подробные результаты, маски и исходные выходные тензоры ONNX.

  • Результаты детекции сохраняют исходные полигоны. Параметры EAST и YOLO для преобразования в прямоугольники вдоль осей объявлены устаревшими.

  • Добавлен удалённый реестр моделей с зеркалом, локальным кешем, проверкой артефактов и функциями управления моделями.

  • Пайплайн измеряет время каждого этапа и сохраняет независимые копии промежуточных Page.

  • Коррекция по умолчанию отключена; для CharLM добавлены явные уровни коррекции.

  • Исправлена обработка неполных ONNX-батчей; Pipeline сохраняет настроенные размеры батчей распознавателей.

  • Улучшена загрузка библиотек CUDA в Windows. Обычный импорт для запуска моделей больше не загружает зависимости обучения.

  • В обучение и экспорт TRBA добавлены PARSeq, SEResNet31LiteV2 и необязательная TPS-ректификация.

  • Улучшены сохранение чекпоинтов, возобновление обучения и обработка последних шагов при накоплении градиентов.

  • Обновлены визуализация дерева, группировка, свёртка текста и утилиты чтения изображений.

  • Инструменты экспорта моделей перенесены в скрипты репозитория; обновлён демонстрационный интерфейс полного пайплайна.

  • Добавлены ноутбуки для пользовательских этапов, объединения моделей, обучения и экспорта.

  • В CI добавлены проверки установки и тесты для версий Python до 3.14 включительно.

0.1.12

  • Добавлен настраиваемый размер пакетов TRBA: по умолчанию 128, с переопределением на уровне вызова.

  • Pipeline учитывает размер пакета, заданный у распознавателя.

  • Улучшена автоматическая загрузка CUDA DLL в Windows до инициализации ONNX-сессий.

  • Добавлена create_page_from_image() для оборачивания одного или нескольких изображений в Page.

  • Добавлены автоматические попытки экспорта ONNX после обучения CharLM.

  • В зависимости разработки добавлены onnxscript и Levenshtein, удалена ultralytics.

0.1.11

  • Введён единый контракт этапов Page -> Page, базовые классы и протоколы пользовательских процессоров.

  • Pipeline переработан вокруг явных этапов и промежуточных снимков Page.

  • Добавлен ONNX-детектор YOLO с готовыми и пользовательскими весами, осевыми и повёрнутыми рамками.

  • Конвейер по умолчанию использует YOLO с yolo26x_obb_text_g1, SimpleSorting и TRBA с trba_lite_g2.

  • Добавлены пакет manuscript.layouts и SimpleSorting с настройкой положения этапа через layout_after.

  • Модель данных обновлена вокруг TextSpan, Line, Block и Page с сохранением прежних псевдонимов Word и версионированных схем экспорта.

  • Добавлена поддержка полигонов с более чем четырьмя точками и функции объединения и свёртки текстовых областей.

  • TRBA и CharLM обновлены для обработки Page с необязательным контекстом исходного изображения.

  • Добавлены способы вырезания bbox, polygon_mask и quad_warp; поворот и фильтрация размеров перенесены в TRBA.

  • Улучшены обучение, экспорт, валидация, метрики и отладка TRBA; добавлен пресет trba_lite_g2.

  • Улучшены разбор полигонов EAST, аугментации обучения, предпросмотры, выбор контрольных точек и возобновление обучения.

  • Добавлены повторные HTTP-загрузки моделей с увеличением задержки.

  • Исправлены совместимость с Python 3.8 и крайние случаи обучения, включая val_size=0 и pretrain_weights=None.

  • Обновлены руководства API и примеры в ноутбуках; введена версионированная документация с архивом страниц 0.1.10.

0.1.10

Восстановлено по опубликованным исходным дистрибутивам и истории Git относительно 0.1.8 — предыдущего выпуска на PyPI.

  • Добавлены распознаватель TRBA и сквозной Pipeline, объединяющий детекцию, распознавание и необязательную коррекцию текста.

  • Добавлен корректор CharLM с обучением, ONNX-инференсом и экспортом.

  • Введены структурированные OCR-результаты на основе Word, Line, Block и Page с сериализацией JSON.

  • Добавлены общие загрузка и кеширование моделей из пресетов, локальных файлов, HTTP URL, GitHub Releases и Google Drive.

  • Инференс EAST переработан для ONNX Runtime; добавлен выбор CPU, CUDA и CoreML для моделей инференса.

  • Зависимости инференса отделены от необязательных зависимостей обучения и разработки на PyTorch.

  • Добавлен настраиваемый автоматический поворот вертикальных текстовых областей перед распознаванием.

  • Добавлены необязательные аугментация инференса EAST, фильтрация вложенных рамок и аномалий площади.

  • Улучшены возобновление обучения EAST и восстановление контрольных точек.

  • Добавлены сортировка документов, визуализация порядка чтения, OCR-метрики и преобразование текста в Page.

  • Добавлена демонстрация Gradio и расширена документация API на английском и русском языках.