docTR

github.com/mindee/doctr ist docTR, eine Open-Source-Bibliothek zur optischen Zeichenerkennung (OCR), die Text in Dokumenten und Bildern in zwei Stufen findet und liest: erst Textbereiche erkennen, dann die Zeichen erkennen.

🛡️ Datenschutz: Open-Source-Projekt ohne eigenen Cloud-Dienst; laut Repository wurde es ursprünglich von Mindee entwickelt und wird heute von t2k GmbH gepflegt, ein Sitz ist auf den geprüften Seiten nicht genannt (Sitz nicht öffentlich dokumentiert). Die Bibliothek läuft laut Dokumentation lokal auf dem eigenen Rechner bzw. selbst gehostet, etwa per Docker, sodass die Verarbeitung ohne Datenabfluss an den Anbieter erfolgen kann. Für die auf Hugging Face Spaces bereitgestellte Online-Demo sind Datenschutzangaben nicht öffentlich dokumentiert.

Das Tool richtet sich an Entwickler und Forschende, die Texterkennung in eigene Anwendungen oder Dokumenten-Pipelines einbauen wollen.

Tool-Details & Features

💰 Preise: Kostenlos nutzbar unter der Apache-2.0-Lizenz; Kosten für Hardware und Betrieb fallen selbst an.

⚙️ Technik: Python-Bibliothek auf Basis von PyTorch (TensorFlow 2 optional); Texterkennung mit Modellen wie DBNet, LinkNet und FAST, Zeichenerkennung mit Modellen wie CRNN, ViTSTR und PARSeq; Installation per pip, Docker-Container mit GPU-Unterstützung verfügbar.

👥 Zielgruppe: Entwickler, ML-Teams und Forschende mit Python-Kenntnissen.

🔗 Integrationen: Einbindung als Python-Paket in eigene Pipelines; Ausgabe als strukturierte Dokumente bzw. JSON; Beispiele für den Betrieb etwa auf AWS Lambda werden in der Dokumentation genannt.

📊 Funktionen: Verarbeitung von PDFs, Bildern und Webseiten, Erkennung von Layout-Bereichen wie Titeln, Tabellen und Kopfzeilen, Umgang mit gedrehten Dokumenten, Extraktion von Schlüsselinformationen (KIE), Visualisierung, Training und Auswertung auf mehreren Datensätzen.

Vor- & Nachteile

✅ Vorteile: Freie Lizenz, lokal und selbst hostbar, modulare Modellauswahl und Training auf eigenen Daten möglich.

❌ Nachteile: Keine fertige Oberfläche für Endanwender; Einrichtung setzt Python-Know-how voraus; Support-, Genauigkeits- und Datenschutzdetails zum Demo-Dienst sind nicht öffentlich dokumentiert.

Für wen geeignet?

Perfekt für Entwicklerteams, die Dokumenten- und Bilderkennung selbst betreiben und anpassen möchten.