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

NLP-Natural-Language-Processing - 全面的自然语言处理资源与工具库

GithubNatural Language Processing开源项目数据科学机器学习深度学习计算机视觉

提供全面的自然语言处理（NLP）资源，涵盖数据集、前沿技术、课程、书籍推荐、GitHub代码示例及流行工具。涉及数据分析、知识图谱、模型与算法、情感分析、主题建模等任务的详细资料与学习路径。了解最新NLP动态，探索自然语言处理的应用潜力。

BetterOCR - 多个OCR引擎与LLM结合实现高精度文本检测

BetterOCRGithubLLMOCR引擎多语言支持开源项目文本检测

BetterOCR通过结合EasyOCR、Tesseract和Pororo等OCR引擎，并使用LLM技术，解决多语言文本检测难题。支持自定义上下文以提高文本识别的精度，即使是罕见或非传统词汇也能保证高准确性。支持异步操作和改进的界面，并持续快速开发中。欢迎贡献与参与，共同提升OCR技术。

markuplm-base - 结合文本与标记语言的文档理解预训练模型

GithubHuggingfaceMarkupLM信息提取多模态预训练开源项目文档AI模型网页问答

MarkupLM是一个文本和标记语言的多模态预训练模型，主要应用于网页问答和信息提取等文档理解任务。通过简单高效的预训练方法，该模型在多个文档理解数据集上取得了领先成果，为文档智能处理提供了新的技术方案。

lang-segment-anything - 基于文本提示的开源图像分割工具

GithubLanguage Segment-Anything图像分割对象检测开源项目深度学习计算机视觉

Lang-segment-anything是一个开源项目，结合实例分割和文本提示功能，用于生成图像中特定对象的掩码。该工具基于Meta的segment-anything模型和GroundingDINO检测模型，实现了零样本文本到边界框的对象检测。项目支持自定义文本提示进行精确对象分割，并可在Lightning AI应用平台上部署。这一工具为图像分析和对象识别提供了新的解决方案。

mindocr - 基于MindSpore的开源OCR工具包实现高效文本检测与识别

GithubMindOCRMindSporeOCR工具箱开源项目文字识别文本检测

MindOCR是一个基于MindSpore的开源OCR开发工具箱，集成主流文本检测和识别算法。该工具箱提供易用的训练和推理接口，加速文本检测识别模型的开发和部署。MindOCR支持DBNet、CRNN等多种算法，采用模块化设计，并提供高性能预训练模型。研究人员和开发者可以利用MindOCR快速构建OCR应用，实现高效的图像文本理解。

manga-ocr - 日本漫画光学字符识别工具，支持多种文本处理场景

GithubManga OCRPythonTransformers光学字符识别开源项目日本放送協会

Manga OCR 是一款基于Transformer的自定义端到端模型的光学字符识别工具，专为日本漫画设计。它可以识别垂直和平行文本、带有振假名的文本、覆盖在图像上的文本、各种字体以及低质量图像。Manga OCR 支持一次性识别多行文本，适用于漫画中的文本气泡。同时，该项目还提供与GUI阅读器和HTML覆盖生成工具的集成，便于用户创建完整的阅读和挖掘工作流程。

OCRmyPDF - 扫描PDF文件的OCR转换与优化工具

GithubOCRmyPDFPDF文档多语言支持开源软件开源项目文字识别

OCRmyPDF是一款开源的命令行工具，专门用于为扫描PDF文件添加OCR文本层。它支持多语言识别、页面旋转和倾斜校正，并能生成符合长期存储标准的PDF/A文件。此工具可优化PDF图像，常常生成比原文件更小的输出。OCRmyPDF利用多核处理技术，能高效处理大型文档，已在数百万PDF文件上得到验证。它为用户提供了将不可搜索的扫描文档转换为可搜索、可复制的PDF文件的简便方法。

gptpdf - gptpdf 高效智能的PDF转Markdown工具

GithubOpenAI APIPDF解析gptpdfmarkdown转换大型视觉模型开源项目

gptpdf是一个基于VLLM技术的PDF解析工具，可将PDF文件转换为Markdown格式。该工具能够处理复杂排版、数学公式、表格和图表，保持原文档的格式和结构。gptpdf代码简洁，支持本地使用和Google Colab环境，并提供API接口以适应不同需求。它适用于文档处理和学术研究等场景，能够提高工作效率。

image-text-localization-recognition - 场景文本检测与识别研究进展资源汇总

Github人工智能场景文本检测开源项目文本识别深度学习计算机视觉

llm-analysis - 大型语言模型训练与推理的延迟和内存使用分析工具

GithubTransformer模型llm-analysis内存分析大语言模型延迟分析开源项目

llm-analysis 是一款为大型语言模型（LLMs），如Transformer设计的工具，用于在不同的模型、GPU、数据类型和并行配置下估算训练与推理的延迟和内存使用。通过简单设置，可以快速计算出不同训练和推理方案的系统性能，以确定最优和可行的配置方案。此外，llm-analysis 支持多种并行化和重计算策略，并提供多种预定义配置和命令行接口，极大简化了配置和调试流程。它功能强大且易于集成，是开发和优化LLMs的理想工具。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com