donut

Donut是一个用于文档理解的端到端Transformer模型，无需依赖传统的OCR引擎或API。其核心功能包括视觉文档分类和信息提取，通过SynthDoG生成合成文档以增强模型在多语言和多领域中的预训练灵活性。该项目采用Python开发，基于深度学习技术，在多种文档理解任务中表现出色。适用于需要高效处理图像文档并从中提取关键信息的场景，如财务报表分析、合同审查等。MIT许可证使得该项目易于被广泛使用和二次开发。