# DsOCR-Web

**Repository Path**: jspi-aeson/ds-ocr-web

## Basic Information

- **Project Name**: DsOCR-Web
- **Description**: 使用DeepSeek-OCR模型执行OCR相关任务，拥有API、本地部署两种模式
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-12-11
- **Last Updated**: 2026-10-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: ocr, deepseek

## README



<div align="center">
  <h1>DeepSeek-OCR 可视化系统</h1>
  <span>中文 | <a href="./README.md">English</a></span>
</div>

## ⚡ 项目简介

本项目是基于 DeepSeek-OCR 的多模态文档解析工具。采用 FastAPI 后端 + React 前端。该工具能够高效地处理 PDF 文档和图片，提供强大的光学字符识别（OCR）功能，支持多语种文字识别、表格解析、图表分析等多种功能。
### 主要功能

- **多格式文档解析**：支持 PDF、图片等多种格式的文档上传和解析
- **智能 OCR 识别**：基于 DeepSeek-OCR 模型，提供高精度的文字识别
- **版面分析**：智能识别文档版面结构，准确提取内容布局
- **多语种支持**：支持中文、英文等多种语言的文字识别
- **表格&图表解析**：专业的表格识别和图表数据提取功能
- **专业领域图纸识别**：支持各类专业领域图纸的语义识别
- **数据可视化**：支持数据分析可视化图的逆向解析
- **Markdown 转换**：将 PDF 内容转换为结构化的 Markdown 格式

## 📁 项目结构

```
ds-ocr-web/
├── backend/                    # FastAPI 后端服务
│   ├── __init__.py
│   ├── main.py                 # FastAPI 应用入口
│   ├── config.py               # 配置管理
│   ├── config_loader.py        # 配置加载器
│   ├── deepseek_ocr.py         # DeepSeek-OCR 核心逻辑
│   ├── file_manager.py         # 文件管理
│   ├── inference_runner.py     # 推理运行器
│   ├── run_dpsk_ocr_eval_batch.py
│   ├── run_dpsk_ocr_image.py
│   ├── run_dpsk_ocr_pdf.py
│   ├── deepencoder/            # 深度编码器模块
│   │   ├── __init__.py
│   │   ├── build_linear.py
│   │   ├── clip_sdpa.py
│   │   └── sam_vary_sdpa.py
│   └── process/                # 处理模块
│       ├── __init__.py
│       ├── image_process.py
│       └── ngram_norepeat.py
├── frontend/                   # React 前端应用
│   ├── index.html
│   ├── package.json
│   ├── vite.config.ts
│   ├── src/
│   │   ├── App.tsx             # 主应用组件
│   │   ├── main.tsx            # 入口文件
│   │   ├── index.css
│   │   ├── config/
│   │   │   └── api.ts          # API 配置
│   │   ├── components/         # React 组件
│   │   │   ├── FileExplorer.tsx
│   │   │   ├── FilePreview.tsx
│   │   │   ├── FileUploader.tsx
│   │   │   ├── PromptInput.tsx
│   │   │   ├── figma/
│   │   │   │   └── ImageWithFallback.tsx
│   │   │   └── ui/             # UI 组件库（shadcn/ui）
│   │   └── styles/
│   │       └── globals.css
│   └── public/
│       └── gitee.svg
├── workspace/                  # 工作目录
│   ├── uploads/                # 上传文件存储
│   ├── results/                # OCR 结果存储
│   └── logs/                   # 日志文件
├── packages/                   # 第三方包
├── requirements.txt            # Python 依赖
├── pyproject.toml             # Python 项目配置
├── install.sh                 # 安装脚本
├── start.sh                   # 启动脚本
└── README.md                  # 项目说明文档
```

## 🚀 使用指南

### 快速开始

#### 方法一：API 模式（无需 GPU，但解析效果差）

**系统要求：**
- **操作系统**：Windows、Linux 或 macOS
- **Python 版本**：3.10–3.12
- **Node.js**：16+（用于前端）

**步骤：**

1. **配置环境变量**
   ```bash
   cp .env.example .env
   ```
   编辑 `.env` 文件，设置：
   ```env
   MODE=api
   SILICONFLOW_API_KEY=sk-你的API密钥
   # 可选：自定义模型或API地址
   # SILICONFLOW_MODEL=deepseek-ai/DeepSeek-OCR
   # SILICONFLOW_API_BASE=https://api.siliconflow.cn/v1
   # 可选：Temperature 参数（0.0-2.0），默认 0.0（确定性输出），值越大输出越随机
   # SILICONFLOW_TEMPERATURE=0.0
   ```

2. **安装后端依赖**
   ```bash
   pip install -r requirements.txt
   # 使用uv
   uv sync
   ```

3. **启动后端服务**
   > **重要提示**：启动后端服务时，请确保在项目根目录（`ds-ocr-web/`）下运行。
   ```bash
   # 确保在项目根目录下运行
   uv run uvicorn backend.main:app --host 0.0.0.0 --port 8002 --reload
   ```

4. **启动前端服务**
   ```bash
   cd frontend
   npm install
   npm run dev
   ```

5. **访问应用**
   在浏览器中打开前端地址（通常是 `http://localhost:5173`）。上传 PDF 或图片文件，后端会调用硅基流动 DeepSeek-OCR API 进行处理。结果保存在 `workspace/results` 目录，并在前端展示。

### 使用样例

您可以使用 `public/` 目录中提供的样例图片来测试应用：

- 用于测试公式 OCR 功能的样例图片
![sample.jpg](public/sample.jpg)
- 证明 OCR 识别公式效果的图片
![sample_test.jpg](public/sample_test.jpg)

**测试步骤：**
1. 按照上述说明启动后端和前端服务
2. 在浏览器中打开前端地址（`http://localhost:5173`）
3. 上传 `public/` 目录中的任意一张样例图片
4. 等待 OCR 处理完成
5. 在前端界面查看识别结果

#### 方法二：本地模式（推荐，需要 GPU，功能丰富）

**系统要求：**
- **操作系统**：需要在 Linux 系统下运行
- **显卡要求**：GPU ≥ 7 GB 显存（大图/多页 PDF 建议 16–24 GB）
- **兼容性说明**：50 系显卡目前不兼容，请使用其他型号显卡
- **Python 版本**：3.10–3.12（推荐 3.10/3.11）
- **CUDA 版本**：11.8 或 12.1/12.2（需与显卡驱动匹配）
- **PyTorch**：需安装与 CUDA 匹配的预编译版本

**步骤：**

1. **下载模型权重**
   从 Hugging Face 或魔搭社区（ModelScope）下载 DeepSeek-OCR 模型权重：
   ```bash
   pip install modelscope
   mkdir ./deepseek-ocr
   modelscope download --model deepseek-ai/DeepSeek-OCR --local_dir ./deepseek-ocr
   ```

2. **创建虚拟环境**
   ```bash
   conda create -n deepseek-ocr python=3.12.9 -y
   conda activate deepseek-ocr
   ```

3. **安装 PyTorch**
   ```bash
   pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118
   ```

4. **安装 vLLM 和依赖**
   ```bash
   pip install ./packages/vllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl
   pip install -r requirements.txt
   pip install flash-attn==2.7.3 --no-build-isolation
   ```

5. **配置环境变量**
   ```bash
   cp .env.example .env
   ```
   编辑 `.env` 文件，设置：
   ```env
   MODE=local
   MODEL_PATH=/path/to/deepseek-ocr
   DEVICE_ID=0
   MAX_CONCURRENCY=10
   ```

6. **启动服务**
   > **重要提示**：启动后端服务时，请确保在项目根目录（`ds-ocr-web/`）下运行。
   ```bash
   # 后端（确保在项目根目录下运行）
   uvicorn backend.main:app --host 0.0.0.0 --port 8002 --reload
   
   # 前端（在另一个终端）
   cd frontend
   npm install
   npm run dev
   ```