LLM OCR Correction

Инструкция по использованию скриптов

Описание:

• Набор вспомогательных скриптов для корректировки и оценки OCR-результатов с использованием LLM и вспомогательных утилит.

Файлы и назначение:

• ocr_llm_correction.py: основной скрипт для коррекции результатов OCR с помощью LLM. Читает папку с результатами OCR и записывает скорректированные варианты.
• compute_ocr_metrics.py: скрипт для подсчёта метрик OCR (до/после коррекции). Принимает директорию (или одиночный файл) с корректированными результатами и сохраняет CSV с метриками.
• ocr_prompt.py: промпты, используемый для вызовов LLM.
• serve_model.sh: скрипт для локального запуска модели.
• .env: файл с настройками окружения (для OpenAI API).

Запуск моделей Qwen-3-VL:

1. Установить менеджер пакетов uv
2. Создать и активировать виртуальное окружение:

uv venv --python 3.12 --seed
source .venv/bin/activate

3. Установить vLLM:

uv pip install -U vllm
uv pip install qwen-vl-utils==0.0.14

4. Запустить модель с помощью скрипта:

source serve_model.sh

Запуск скриптов:

• Перед запуском нужно создать виртуальное окружение и установить зависимости (можно также использовать uv):

uv venv --python 3.12
uv pip install -r requirements.txt

Примеры использования:

• Запуск коррекции OCR-результатов (пример):

python ocr_llm_correction.py --input train_data/ocr_results/ --output-dir corrected_results

• Подсчёт метрик после коррекции (пример):

python compute_ocr_metrics.py --corrected-dir corrected_results/ --output ocr_summary.csv