OCRFLOW est une plateforme polyvalente conçue pour le benchmarking des pipelines OCR (Optical Character Recognition) et des plateformes de detection d'objets. Elle offre une solution complète on-premise, installable sur un serveur, conçue pour évaluer les performances et la précision des systèmes de reconnaissance de caractères ainsi que des systèmes de détection d'objets, le tout à l'aide d'une architecture flexible et évolutive.

OCRFLOW est un assemblage de solutions agencées pour gérer le benchmark, l'inférence, l'entrainement de modéles de computervision. A terme la porte d'entrée de la plateforme sera l'API.

Pour le moment l'inférence temps-réel n'est pas prévue, le scénario d'inférence est asynchrone et fonctionne par passage d'url de l'image à l'API, en choisissant le modéle adapté, stocké au préalable dans la solution de stockage objet MINIO. L'image est processée par un consumer inscrit sur une queue rabbitmq dédiée.

Le benchmark peut être réalisé par passage d'url ou par passage de bucket MINIO. Les métriques sont déclarées dans l'API (Accuracy, Recall, FPS, Mémoire, etc ...), ainsi que le modéle, le consumer doit renvoyer ses spécifications pour une analyse équitable.

Le training se fait par déclaration de bucket, avec déclaration des métriques triggers accuracy, nombre d'épochs etc ... Le modéle issu de l'entrainement est ensuite stocké dans MINIO.

To deploy this project run

  git clone --branch dev https://github.com/hackolite/ocrflow.git
  cd ./ocrflow/infrastructure/apiQ
  docker-compose up --build apiQ
 

Méthode	Endpoint	Tag	Description	Niveau d'Achèvement
GET	/inference	inference	Get all Inference Jobs	Not Complete
POST	/inference	inference	Create Inference	Complete
GET	/inference/findByStatus	inference	Find Inferences by status	Not Complete
GET	/inference/findByTags	inference	Find Inferences by tags	Not Complete
GET	/inference/{jobId}	inference	Find Inference job by jobId	Not Complete
PUT	/inference/{jobId}	inference	Updates Inference by jobId	Not Complete
DELETE	/inference/{jobId}	inference	Delete Inference by jobId	Not Complete
GET	/benchmark	benchmark	Get all Benchmark Jobs	Not Complete
POST	/benchmark	benchmark	Create a benchmark	Not Complete
GET	/benchmark/{jobId}	benchmark	Get Benchmark by jobId	Not Complete
DELETE	/benchmark/{jobId}	benchmark	Delete Benchmark by jobId	Not Complete
GET	/training	training	Get all Training Jobs	Not Complete
POST	/training	training	Create a training	Not Complete
GET	/training/{jobId}	training	Get Training by jobId	Not Complete
DELETE	/training/{jobId}	training	Delete Training by jobId	Not Complete
GET	/manage/exchange	manage	Manage Exchanges	Not Complete
GET	/manage/queues	manage	Manage Queues	Not Complete
GET	/manage/datasets	manage	Manage Datasets	Not Complete
GET	/manage/models	manage	Manage Models	Not Complete
GET	/status/jobs	status	Get all Jobs Status	Complete
GET	/status/consumers	status	Get All Consumers Status	Not Complete
GET	/status/jobs/{jobId}	status	Get Job by jobId	Not Complete
GET	/status/consumers/{nodeId}	status	Get Consumer by nodeId	Not Complete
GET	/metric/	metric	Get All Metrics	Not Complete
GET	/metric/{jobId}	metric	Get Metrics by jobId	Not Complete
POST	/user	user	Create user	Not Complete
POST	/user/createWithList	user	Creates list of users with given input array	Not Complete
GET	/user/login	user	Logs user into the system	Not Complete
GET	/user/logout	user	Logs out current logged in user session	Not Complete
GET	/user/{username}	user	Get user by user name	Not Complete
PUT	/user/{username}	user	Update user	Not Complete
DELETE	/user/{username}	user	Delete user	Not Complete

• @octokatherine

Add badges from somewhere like: shields.io

Color	Hex
Example Color	#0a192f
Example Color	#f8f8f8
Example Color	#00b48a
Example Color	#00d1a0

Contributions are always welcome!

See contributing.md for ways to get started.

Please adhere to this project's code of conduct.

Insert gif or link to demo

## License

[MIT](https://choosealicense.com/licenses/mit/)




## Roadmap

- Endpoints design and implementation

- Develop relevants queues from start 

- Scenario Development

- Micropython and rust consumer implementation


## Tech Stack

**Client:** mlflow, pytorch, pika

**Server:** flask, rabbitmq, minio, mlflow  


## Used By

This project is used by the following companies:

- Xretail