README.md

# arabic-menu-ocr-v2
## 论文
暂无
## 模型简介

这是一个专门针对从阿拉伯语餐厅菜单中提取食物/饮料项目和价格的视觉-语言模型。它处理原始菜单图像，并输出高度结构化的干净JSON数组，使其非常适合自动化数据录入、食品配送应用程序和数字菜单生成。
该模型是强大的Qwen2.5-VL-3B-Instruct的完全合并版本，使用LLaMA-Factory框架进行了微调。  
模型功能：  
- 精确的阿拉伯语OCR：专门用于阅读复杂的阿拉伯语排版、手写体和风格化的餐厅菜单。  
- 结构化输出：保证输出包含确切项目名称和价格的严格JSON格式。  
- 智能过滤：自动忽略类别、餐厅名称、电话号码和没有价格的项目。  
- 变体处理：原生拆分多尺寸项目（例如，将“小号披萨”和“大号披萨”作为独立项目输出，而不是合并在一起）。  


## 环境依赖
| 软件 | 版本 |
| :------: | :------: |
| DTK | 26.04 |
| python | 3.10.12 |
| torch | 2.9.0+das.opt1.dtk2604.20260206.g275d08c2 |
| transformers | 5.0.0.dev0 |
| vllm | 0.15.1+das.opt1.alpha.dtk2604.20260220.g2799735a |

推荐使用镜像: harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm0.15.1-ubuntu22.04-dtk26.04-0130-py3.10-20260220

- 挂载地址`-v`根据实际模型情况修改

```bash
docker run -it \
    --shm-size 200g \
    --network=host \
    --name arabic-menu-ocr-v2 \
    --privileged \
    --device=/dev/kfd \
    --device=/dev/dri \
    --device=/dev/mkfd \
    --group-add video \
    --cap-add=SYS_PTRACE \
    --security-opt seccomp=unconfined \
    -u root \
    -v /opt/hyhal/:/opt/hyhal/:ro \
    -v /path/your_code_data/:/path/your_code_data/ \
    harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm0.15.1-ubuntu22.04-dtk26.04-0130-py3.10-20260220  bash
```

更多镜像可前往[光源](https://sourcefind.cn/#/service-list)下载使用。其它包安装：
```
pip install pycountry
```


## 数据集
`暂无`

## 训练
`暂无`

## 推理
### vllm
#### 单机推理
```bash
## serve启动
vllm serve  mohamedashraff22/arabic-menu-ocr-v2 --trust-remote-code -tp 1  --enforce-eager   --port 8010

## client访问
curl -X POST "http://localhost:8010/v1/chat/completions" \
        -H "Content-Type: application/json" \
        --data '{
                "model": "mohamedashraff22/arabic-menu-ocr-v2",
                "messages": [
                        {
                                "role": "user",
                                "content": [
                                        {
                                                "type": "text",
                                                "text": "Describe this image in one sentence."
                                        },
                                        {
                                                "type": "image_url",
                                                "image_url": {
                                                        "url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
                                                }
                                        }
                                ]
                        }
                ]
        }'


```

## 效果展示
<div align=center>
    <img src="./doc/result.png"/>
</div>

### 精度
`DCU与GPU精度一致，推理框架：vllm。`

## 预训练权重
| 模型名称  | 权重大小  | DCU型号  | 最低卡数需求 |下载地址|
|:-----:|:----------:|:----------:|:---------------------:|:----------:|
|arabic-menu-ocr-v2 | 4B | BW1100 | 1 | [Hugging Face](https://huggingface.co/mohamedashraff22/arabic-menu-ocr-v2) |


## 源码仓库及问题反馈
- https://developer.sourcefind.cn/codes/modelzoo/arabic-menu-ocr-v2_vllm

## 参考资料
- https://huggingface.co/mohamedashraff22/arabic-menu-ocr-v2