layout-parser

文档图像分析的深度学习工具包

Layout Parser 深度学习文档图像分析 OCR 模型检测 Github 开源项目

LayoutParser提供多种深度学习模型和统一API，简化文档图像分析任务。支持布局检测、OCR、数据可视化等功能，并允许共享模型和分析流程。安装简便，可根据需求选择依赖项，是文档图像处理的理想工具。

文档

doctr-torch-parseq-multilingual-v1 - 多语言OCR解决方案，兼具TensorFlow 2和PyTorch兼容性

DoctrGithubHuggingfacePyTorchTensorFlow 2光学字符识别开源项目模型模型预测

该项目是一种多语言光学字符识别（OCR）工具，支持TensorFlow 2和PyTorch，提供了流畅的用户体验。开发者可通过Python代码方便地加载和预测模型，实现从文字检测到识别的完整流程，非常适合需要多语言处理的应用。

awesome-ocr - 综合OCR工具和技术资源库

GithubOCR图像处理开源项目文本检测文档分析深度学习

该项目整合了OCR领域的多种前沿工具和技术，涵盖图像校正、文本检测、表格识别和手写识别等方面。它提供了从预处理到后处理的完整OCR解决方案，包含大量开源实现和相关研究论文链接。这个资源库对从事文档分析和文本提取的开发者及研究人员具有重要参考价值。

any-parser - 将非结构化数据转换为结构化格式的精确API解析工具

APIAnyParserGithubPDF处理开源项目数据提取结构化数据

AnyParser作为一款专业的API工具，可将PDF、图像和图表等非结构化数据精确转换为结构化格式。该工具支持从PDF提取文本及布局，从图像中提取表格数据，并能将结果转换为Markdown格式。AnyParser具有简便的安装过程和API密钥配置，并提供了详尽的使用示例。这使得AI工程师和金融分析师能够高效处理各种复杂的数据提取任务。

lilt-roberta-en-base - 多语言文档理解的语言无关布局变换器

GithubHuggingfaceLiLTRoBERTa布局转换器开源项目文档理解模型模型集成

LiLT-RoBERTa将预训练的RoBERTa模型与轻量级的布局变换器结合，适用于处理多语言的文档图像分类、解析及问答任务，适合在结构化文档理解中应用。用户可在模型库中寻找适合特定任务的微调版本。

PDF-Extract-Kit - 全面高效的PDF文档内容提取工具包

GithubPDF提取公式识别布局检测开源项目文档内容表格识别

PDF-Extract-Kit是一款集成多种先进技术的PDF内容提取工具包。它结合了LayoutLMv3布局分析、YOLOv8公式检测、UniMERNet公式识别、StructEqTable表格识别和PaddleOCR文字识别等功能,能够准确高效地提取各类PDF文档中的结构化内容。该工具适用于学术论文、教科书、研究报告和财务报表等多种文档类型,即使面对扫描质量欠佳或带有水印的PDF文件,也能保持稳定的提取效果。

face-parsing - Segformer语义分割模型实现精准人脸解析

CelebAMask-HQGithubHuggingfacenvidia/mit-b5transformers开源项目模型语义分割面部解析

face-parsing是一个基于Segformer的语义分割模型，专注于人脸解析任务。该模型由nvidia/mit-b5在CelebAMask-HQ数据集上微调，可精确识别和分割19个人脸关键区域。支持Python和浏览器环境，提供详细使用指南。适用于人脸分析和编辑应用，但使用时需考虑潜在的社会偏见问题。

omniparse - 多类型非结构化数据解析与结构化平台

GithubOmniParse多媒体处理开源项目文档解析结构化数据网页爬取

OmniParse是一个专注于非结构化数据处理的开源平台。该平台能够解析文档、表格、图像、视频、音频和网页等多种格式，将其转化为结构化数据，以便于生成式AI应用使用。OmniParse支持约20种文件类型，具备本地处理能力，无需依赖外部API。这使其适用于多种AI应用场景，包括检索增强生成(RAG)和模型微调等。

receipt-parser-legacy - Python实现的模糊收据信息提取工具

GithubPythonreceipt parser图像处理开源项目文本提取

receipt-parser-legacy是一个Python编写的模糊收据解析工具，可从扫描收据中提取店铺、日期和总额等关键信息。此项目既可独立运行，也可集成到iOS和Android应用中。支持Docker部署，使用方便。项目源于黑客马拉松，目前已在PyPi上发布，方便开发者使用和扩展。

MegaParse - 多功能文档解析工具，支持多种文件格式

GithubMegaParse广泛兼容开源开源项目文档解析高效

兼容多种文件格式的解析器，支持文本、PDF、PPT、Word等，确保信息无损。MegaParse开源免费，注重速度和效率。支持表格、目录、标题、页脚和图像等内容解析。添加OpenAI API密钥后，可激活LlamaParse功能，增强解析效果。操作简便，适用于各种文档处理需求。

PaddleOCR - 领先的OCR工具库，支持多语言和多硬件平台

GithubOCRPaddleOCR开源项目文本识别模型训练热门表格识别

PaddleOCR旨在为开发者提供一套丰富、领先且实用的OCR工具库，帮助开发者快速训练并部署OCR模型。它不仅支持中英文识别，还支持多语言和多硬件平台，包括最新的PP-OCRv4模型，有效提高了中英文场景下的识别精确度。适用于移动端和服务器端，适配多种开发需求。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com