GLM-OCR印章识别实战如何提取合同中的红色印章文字【免费下载链接】GLM-OCRGLM-OCR: Accurate × Fast × Comprehensive项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-OCRGLM-OCR 是一款开源的多模态 OCR 模型专门面向复杂文档理解场景对印章、复杂表格、公式等高难版面都能稳定识别。本文将从零讲起带你用 GLM-OCR 提取合同扫描件中的红色印章文字全程只需一条命令。为什么红色印章文字这么难提取印章文字识别是文档 OCR 领域公认的老大难主要有三个原因颜色干扰红色印油文字与红色表格线、彩色底纹混在一起传统二值化方案容易误伤或漏掉弧形排版公章的公司名称沿圆弧排列行序不符合常规阅读顺序✂️区域重叠印章常常压在正文、签名或表格之上需要模型具备分层理解能力。以仓库内置的印章示例 examples/source/seal.png 为例一枚发票专用章上同时包含环形公司名、税号、发票专用章字样和编号四段信息正是典型的合同用章场景。上图是 GLM-OCR 对合同财务表格的版面检测可视化左上角table 0.93为检测框与置信度可以看到模型能精准框出表格区域——这正是处理印章所在合同页的第一步。GLM-OCR两阶段 OCR 流水线GLM-OCR 的核心流程是**版面分析 并行识别**两阶段架构版面分析基于 PP-DocLayout-V3 的版面检测器先扫一遍整页定位出文本、表格、公式、印章等区域并行识别每个区域单独裁剪后并行送入 GLM-OCR 模型仅 0.9B 参数做精细识别结果融合后处理模块把各区域结果按版面顺序拼装成 Markdown 与 JSON。上图展示了一次完整的版面分析结果paragraph_title、text、display_formula、number等区域各自带有置信度评分。这种先定位、再识别的策略让模型可以聚焦印章区域本身避免正文干扰。核心模块路径供进阶读者参考流水线主逻辑glmocr/pipeline/pipeline.py版面检测器glmocr/layout/layout_detector.py结果格式化glmocr/postprocess/result_formatter.py三步搞定印章文字提取第一步安装 GLM-OCR SDK最轻量的方式是使用云端 MaaS 模式无需 GPU一条命令装好 SDKpip install glmocr自部署本地跑完整流水线则安装pip install glmocr[selfhosted]第二步一条命令解析合同扫描件把合同扫描件图片或多页 PDF 均可交给 CLI# 解析单张合同图片 glmocr parse contract_scan.png # 解析整个目录多页 PDF 会自动按页处理 glmocr parse ./contract_folder/ --output ./results/解析完成后imgs/目录会保留每个区域的裁剪图方便人工核对上图是模型对某一识别区域裁剪后的还原效果可以看到文字块被完整、有序地提取出来。第三步查看印章识别结果以仓库自带的印章样例为例运行解析后得到的 Markdown 结果examples/result/seal/seal.md如下中国石油天然气股份有限公司四川销售分公司 510105711890927 发票专用章 5101055004432环形排列的公司全称、弧形税号和中心文字全部按正确顺序还原可直接用于后续的印章信息核对与数据录入。配套的 JSON 结果examples/result/seal/seal.json还包含每个区域的类型标签与bbox_2d坐标框{ label: text, content: 中国石油天然气股份有限公司四川销售分公司\n\n510105711890927\n\n发票专用章\n\n5101055004432, bbox_2d: [0, 10, 992, 997] }有了坐标框你就能在合同原图上精确定位每一枚印章的位置实现识别 定位双能力。提升印章识别准确率的 3 个技巧 单独裁剪印章区域再识别如果合同页内容复杂可先手动裁剪出印章局部图片再解析减少干扰区域红色文字还原更干净️ 显存不足时把版面模型放到 CPU用--layout-device cpu参数将 GPU 留给 OCR 模型识别速度不受影响 用--set微调配置例如glmocr parse contract.png --set pipeline.layout.use_polygon true无需修改任何配置文件即可覆盖默认行为。更多 CLI 用法可参考 examples/example.py 与 SDK 技能说明 skills/glmocr/SKILL.md。常见资源速查资源路径印章测试图片examples/source/seal.png印章识别 Markdown 结果examples/result/seal/seal.md印章识别 JSON 结果含坐标examples/result/seal/seal.json版面检测可视化图examples/result/seal/layout_vis/layout_page0.jpg更多效果样例examples/result/从合同扫描件到结构化的印章文字GLM-OCR 只需要安装 → 解析 → 取结果三步。无论是财务核对、合同归档还是印章信息录入这套两阶段流水线都能让红色印章文字不再是提取难题。【免费下载链接】GLM-OCRGLM-OCR: Accurate × Fast × Comprehensive项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-OCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 GLM-OCR印章识别实战：如何提取合同中的红色印章文字
GLM-OCR印章识别实战如何提取合同中的红色印章文字【免费下载链接】GLM-OCRGLM-OCR: Accurate × Fast × Comprehensive项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-OCRGLM-OCR 是一款开源的多模态 OCR 模型专门面向复杂文档理解场景对印章、复杂表格、公式等高难版面都能稳定识别。本文将从零讲起带你用 GLM-OCR 提取合同扫描件中的红色印章文字全程只需一条命令。为什么红色印章文字这么难提取印章文字识别是文档 OCR 领域公认的老大难主要有三个原因颜色干扰红色印油文字与红色表格线、彩色底纹混在一起传统二值化方案容易误伤或漏掉弧形排版公章的公司名称沿圆弧排列行序不符合常规阅读顺序✂️区域重叠印章常常压在正文、签名或表格之上需要模型具备分层理解能力。以仓库内置的印章示例 examples/source/seal.png 为例一枚发票专用章上同时包含环形公司名、税号、发票专用章字样和编号四段信息正是典型的合同用章场景。上图是 GLM-OCR 对合同财务表格的版面检测可视化左上角table 0.93为检测框与置信度可以看到模型能精准框出表格区域——这正是处理印章所在合同页的第一步。GLM-OCR两阶段 OCR 流水线GLM-OCR 的核心流程是**版面分析 并行识别**两阶段架构版面分析基于 PP-DocLayout-V3 的版面检测器先扫一遍整页定位出文本、表格、公式、印章等区域并行识别每个区域单独裁剪后并行送入 GLM-OCR 模型仅 0.9B 参数做精细识别结果融合后处理模块把各区域结果按版面顺序拼装成 Markdown 与 JSON。上图展示了一次完整的版面分析结果paragraph_title、text、display_formula、number等区域各自带有置信度评分。这种先定位、再识别的策略让模型可以聚焦印章区域本身避免正文干扰。核心模块路径供进阶读者参考流水线主逻辑glmocr/pipeline/pipeline.py版面检测器glmocr/layout/layout_detector.py结果格式化glmocr/postprocess/result_formatter.py三步搞定印章文字提取第一步安装 GLM-OCR SDK最轻量的方式是使用云端 MaaS 模式无需 GPU一条命令装好 SDKpip install glmocr自部署本地跑完整流水线则安装pip install glmocr[selfhosted]第二步一条命令解析合同扫描件把合同扫描件图片或多页 PDF 均可交给 CLI# 解析单张合同图片 glmocr parse contract_scan.png # 解析整个目录多页 PDF 会自动按页处理 glmocr parse ./contract_folder/ --output ./results/解析完成后imgs/目录会保留每个区域的裁剪图方便人工核对上图是模型对某一识别区域裁剪后的还原效果可以看到文字块被完整、有序地提取出来。第三步查看印章识别结果以仓库自带的印章样例为例运行解析后得到的 Markdown 结果examples/result/seal/seal.md如下中国石油天然气股份有限公司四川销售分公司 510105711890927 发票专用章 5101055004432环形排列的公司全称、弧形税号和中心文字全部按正确顺序还原可直接用于后续的印章信息核对与数据录入。配套的 JSON 结果examples/result/seal/seal.json还包含每个区域的类型标签与bbox_2d坐标框{ label: text, content: 中国石油天然气股份有限公司四川销售分公司\n\n510105711890927\n\n发票专用章\n\n5101055004432, bbox_2d: [0, 10, 992, 997] }有了坐标框你就能在合同原图上精确定位每一枚印章的位置实现识别 定位双能力。提升印章识别准确率的 3 个技巧 单独裁剪印章区域再识别如果合同页内容复杂可先手动裁剪出印章局部图片再解析减少干扰区域红色文字还原更干净️ 显存不足时把版面模型放到 CPU用--layout-device cpu参数将 GPU 留给 OCR 模型识别速度不受影响 用--set微调配置例如glmocr parse contract.png --set pipeline.layout.use_polygon true无需修改任何配置文件即可覆盖默认行为。更多 CLI 用法可参考 examples/example.py 与 SDK 技能说明 skills/glmocr/SKILL.md。常见资源速查资源路径印章测试图片examples/source/seal.png印章识别 Markdown 结果examples/result/seal/seal.md印章识别 JSON 结果含坐标examples/result/seal/seal.json版面检测可视化图examples/result/seal/layout_vis/layout_page0.jpg更多效果样例examples/result/从合同扫描件到结构化的印章文字GLM-OCR 只需要安装 → 解析 → 取结果三步。无论是财务核对、合同归档还是印章信息录入这套两阶段流水线都能让红色印章文字不再是提取难题。【免费下载链接】GLM-OCRGLM-OCR: Accurate × Fast × Comprehensive项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-OCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考