# BaichuanMed-OCR
## 论文
暂无

## 模型简介

BaichuanMed-OCR-72B是基于Qwen2.5-VL-72B-Instruct 基座模型，利用我们精心构建与策展的医疗报告数据集进行微调（fine-tuned）而成的专用模型。该数据集涵盖了医疗报告图像及其对应的问答对（QAs, Question-Answer pairs）。该模型经过专门的领域适配（domain adaptation），旨在对医疗报告图像执行高精度的光学字符识别（OCR），并基于提取的内容进行智能问答。  
核心能力:  
- 鲁棒的OCR识别能力（Robust OCR Capability）：能够精准识别医疗报告图像中复杂的文本内容，有效应对医疗文档中多样的排版、手写体及专业术语挑战。  
- 结构化Markdown输出（Structured Markdown Output）：支持将提取的关键信息以标准的 Markdown 格式输出，便于后续的数据处理、渲染及结构化分析。  
- 精准的理解与生成（Accurate Comprehension and Generation）：具备深度的语义理解能力，能够准确解析用户查询，并基于 OCR 提取的文本内容，生成逻辑严密、高度相关的回答，确保信息的准确性与一致性。

## 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 BaichuanMed-OCR \
    --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 baichuan-inc/BaichuanMed-OCR-72B --trust-remote-code --dtype bfloat16 -tp 4 --max-model-len 32768 --port 8010

## client访问
curl -X POST "http://localhost:8010/v1/chat/completions" \
        -H "Content-Type: application/json" \
        --data '{
                "model": "baichuan-inc/BaichuanMed-OCR-72B",
                "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|
|:-----:|:----------:|:----------:|:---------------------:|:----------:|
| BaichuanMed-OCR-72B | 72B | BW1000 | 4 | [Modelscope](https://www.modelscope.cn/models/baichuan-inc/BaichuanMed-OCR-72B) |
| BaichuanMed-OCR-7B | 7B | BW1000 | 1 | [Modelscope](https://www.modelscope.cn/models/baichuan-inc/BaichuanMed-OCR-7B) |

## 源码仓库及问题反馈
- https://developer.sourcefind.cn/codes/modelzoo/baichuanmed-ocr_vllm

## 参考资料
- https://www.modelscope.cn/models/baichuan-inc/BaichuanMed-OCR-7B
- https://www.modelscope.cn/models/baichuan-inc/BaichuanMed-OCR-72B