mindee/doctr は Python で書かれた深層学習ベースの OCR ライブラリ docTR である。GitHub で公開されている最新リリースは v1.1.0 で、ライセンスは Apache-2.0 である。OCR の関連作業の中では文書テキスト認識(document text recognition)、つまり文書や画像に含まれる文字を見つけて読み取る作業を扱う。
文書からテキストを抽出する処理は二段階で行われる。検出器(detector)が文書中の単語の位置を見つけ、認識器(recognizer)がその位置の文字を読み取る。出力には文字と構造的な位置情報が 함께含まれ、文書レイアウト解析機能により配置構造まで得ることができる。入力形式は PDF、画像、Web ページで、実装は PyTorch を基盤としている。当初は Mindee が開発し、現在は t2k GmbH が開発とメンテナンスを担当している。リポジトリの開始日は 2021 年 1 月 8 日で、スター数は 6391 である。
ただし、v1.1.0 で何が変更されたかは公開されている資料だけでは確認できない。リリースノートも変更履歴もなく、精度や処理速度を比較したベンチマークも提示されていない。変更履歴と性能データが併せて公開されるかが次の確認ポイントである。文書処理のフローに OCR を組み込む場所を探している人なら確認する価値があるが、性能値なしに採用を判断する段階には至らないと考えられる。