Project Icon

deformable-detr-DocLayNet

Deformable DETR模型实现文档布局分析 基于DocLayNet数据集

这是一个基于Deformable DETR架构的文档布局分析模型,在DocLayNet数据集上训练。该模型可检测和分类11种文档布局元素,在DocLayNet测试集上实现57.1 mAP。它采用transformer编码器-解码器结构,结合CNN主干网络,使用双向匹配损失训练。此模型可用于文档布局分析任务,也可集成到Aryn分区服务等应用中。

rtdetr_r50vd - 全新RT-DETR模型提升精度与速度的实时物体检测方案
GithubHuggingfaceRT-DETRYOLO变压器实时应用开源项目模型目标检测
RT-DETR是面向实时物体检测的创新模型,通过混合编码器和最小化不确定性查询选择,实现高精度和快速检测。模型在COCO和Objects365数据集训练,支持速度调整以适应多种场景。RT-DETR-R50/R101在COCO上分别取得53.1%和54.3%的平均精度,在T4 GPU上达到108和74 FPS,性能超过YOLO模型。
donut-base-finetuned-docvqa - 基于Donut架构的无OCR文档理解与问答模型
DonutGithubHuggingface图像识别开源项目文本生成文档理解模型视觉编码
基于Swin Transformer和BART架构开发的文档理解模型,通过DocVQA数据集微调。模型集成了视觉编码器和文本解码器,无需OCR技术即可直接处理文档图像并回答问题。支持发票号码识别、合同金额提取等文档问答功能,可用于多种商业文档的自动化处理。
detrex - 开源Transformer检测算法工具箱
Detectron2GithubPytorchTransformerdetrexobject detection开源项目
detrex是一个开源工具箱,专为最先进的Transformer检测算法提供支持。该工具箱基于Detectron2构建,并参考了MMDetection和DETR的模块设计。detrex模块化设计,提供强大基线,通过优化超参数将模型性能提升至0.2至1.1AP。该工具箱轻量易用,支持最新算法如Focus-DETR、SQR-DETR、Align-DETR、EVA-01和EVA-02,帮助用户构建定制模型。
donut-base - Donut模型:革新文档理解的图像到文本AI技术
DonutGithubHuggingface图像到文本开源项目文档理解模型深度学习计算机视觉
Donut是一种创新的文档理解模型,无需OCR即可直接从图像生成文本。它结合了Swin Transformer视觉编码器和BART文本解码器,高效处理多种文档图像。这个预训练基础模型可针对文档分类、信息提取等任务进行微调,在文档智能处理领域应用广泛。作为开源项目,Donut为AI研究和开发提供了强大的文档处理工具。
doctr - 由深度学习提供支持的无缝、高性能和可访问的库,用于 OCR 相关任务
GithubOCRPyTorchTensorFlowdocTR开源项目文本识别
docTR提供高效、准确的OCR解决方案,支持PDF和图像文件,基于TensorFlow 2和PyTorch。能快速检测识别文档文字,并提供多种处理旋转文档选项。用户可使用预训练模型快速上手或自定义架构。解析结果可视化且支持导出为JSON格式,方便后续处理和分析。
D-FINE - 精细化分布优化在实时物体检测中的应用
D-FINEDETRFine-grained Distribution RefinementGithub对象检测开源项目自蒸馏
D-FINE是一款实时物体检测工具,通过重新定义DETRs中的边框回归任务为精细化分布优化(FDR)以及引入全局最优定位自蒸馏(GO-LSD),在不增加推理和训练成本的情况下,提升了检测性能。它在复杂街道场景下具有出色的定位能力,对于逆光、运动模糊和密集人群等挑战表现优异。最新版本增强了预训练模型的性能并提供了自定义数据集微调和输入尺寸调整的配置。
rtdetr_r101vd_coco_o365 - 实时目标检测革新者RT-DETR超越传统性能表现
GithubHuggingfaceRT-DETR开源项目模型模型训练深度学习目标检测计算机视觉
RT-DETR通过混合编码器架构和不确定性最小化查询选择方法实现目标检测任务。在COCO数据集测试中,RT-DETR-R101版本达到56.2% AP精度,T4 GPU上处理速度为74 FPS。模型可通过调整解码器层数实现速度与精度的灵活平衡,为实时目标检测领域提供新的技术方案。
rtdetr_r50vd_coco_o365 - 首个实时无NMS的端到端物体检测模型RT-DETR
GithubHuggingfaceRT-DETR变压器开源项目模型灵活调整物体检测速度优化
RT-DETR-R50VD COCO O365通过无NMS的端到端Transformer技术优化物体检测性能,结合高效编码器与精准查询选择,实现速度和准确度平衡。其灵活调整机制在COCO和Objects365数据集预训练中表现突出,超过传统YOLO模型。
llmdocparser - 基于LLM的智能PDF解析与内容分析工具包
GithubLLMDocParserPDF解析多模态模型布局分析开源项目文本分析
LLMDocParser是一款智能PDF解析和内容分析工具包,结合大型语言模型(LLM)技术。该工具采用布局分析模型识别PDF文档中的文本、标题、图表等元素,并通过多模态模型实现智能解析。支持Azure、OpenAI等多种LLM平台,LLMDocParser能高效处理复杂PDF文档,为RAG解决方案提供结构化文本输出,适用于各类文档智能化处理场景。
conditional-detr-resnet-50 - 基于条件机制增强ResNet-50的图像检测模型
COCO 2017Conditional DETRGithubHuggingfaceResNet-50对象检测开源项目快速训练收敛模型
Conditional DETR结合了ResNet-50,通过条件交叉注意力机制加速COCO 2017数据集上的训练收敛。在目标检测任务中,该模型解决了训练收敛缓慢的问题,提升了特征提取和目标分类的效率。通过条件空间查询机制,模型能够更高效地定位目标区域,提高了训练速度。在R50和R101骨干网下加速6.7倍,DC5-R50和DC5-R101下加速10倍,并支持PyTorch。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号