KittyDoc 是一个轻量级、专注于文档解析的开源框架，支持 OCR、版面分析、公式识别、表格识别和阅读顺序恢复 等多种功能。

　　框架基于 Mineru 二次开发，移除 VLM，专注于 Pipeline 产线下的高效文档解析，在 CPU 上也能保持不错的解析速度。

　　本项目所使用的核心模型主要来源于 PaddleOCR 的 PP-StructureV3 系列(OCR、版面分析、公式识别、阅读顺序恢复，以及部分表格识别模型)，并已全部转换为 ONNX 格式，支持在 CPU/GPU 上高效推理。

　　功能特点：

　　1、OCR 识别

　　使用 RapidOCR 支持多种推理引擎

　　CPU 下默认使用 OpenVINO，GPU 下默认使用 torch

　　2、版面识别

　　模型使用 PP-DocLayout 系列 ONNX 模型(plus-L、L、M、S)

　　PP-DocLayout_plus-L：效果最好，速度稍慢

　　PP-DocLayout-L：速度快，效果也不错，默认使用

　　PP-DocLayout-S：速度极快，可能存在部分漏检

　　3、公式识别

　　使用 PP-FormulaNet_plus 系列 ONNX 模型(L、M、S)

　　PP-FormulaNet_plus-L：速度慢

　　PP-FormulaNet_plus-S：速度最快，默认使用

　　支持配置只识别行间公式

　　cuda环境默认不使用gpu，公式模型onnx gpu推理会报错，暂时无人解决。

　　4、表格识别

　　基于 rapid_table_self 增强，在原有基础上增强为多模型串联方案：

　　表格分类(区分有线/无线表格)

　　SLANeXt 系列 表结构识别 + 单元格检测

　　有线表格识别UNET + SLANET_plus/UNITABLE(作为无线表格识别)

　　5、阅读顺序恢复

　　使用 PP-StructureV3 阅读顺序 xycut++ 算法简化

　　速度快且阅读顺序恢复效果不错

　　6、推理方式

　　所有模型通过 ONNXRuntime 推理，OCR可配置其他推理引擎

　　除了 OCR 和 PP-DocLayout-M/S 模型，OpenVINO推理会报错，暂时难以解决。