Logo
Project Icon

attention-ocr

基于注意力机制的视觉OCR模型，实现与导出工具

Attention-OCRTensorflow图像识别OCR人工智能Github开源项目

该项目提供了基于注意力机制的OCR模型，结合了CNN与LSTM，用于图像识别，并能够导出为SavedModel或frozen graph格式。用户可以通过生成TFRecords数据集、训练、测试及可视化等步骤完整运行该OCR系统。项目还支持通过Tensorflow Serving提供REST API服务，并可以在Google Cloud ML Engine上进行模型训练。目前该项目依赖Tensorflow 1.x，未来计划升级到Tensorflow 2。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
TF-ID - 开源AI模型助力学术论文表格和图像高效提取
GithubTF-ID图像识别学术论文对象检测开源项目表格识别
TF-ID是一系列用于从学术论文中提取表格和图像的目标检测模型。项目开源了训练代码、模型权重和标注数据集。TF-ID包含四个版本，分为基础和大型模型，可提取有无标题文本的表格和图像。模型基于Florence-2微调，测试准确率达98.06%。项目提供使用示例和完整训练指南，方便研究者复现和应用。
Umi-OCR_v2 - 开源多语言OCR软件 支持批量处理和自定义识别
GithubUmi-OCR仓库迁移开源项目版本更新项目重构
Umi-OCR是一款开源的光学字符识别软件，支持多语言识别、批量处理和自定义识别区域。项目已完成v2版本重构并发布2.0.0正式版，迁移至主仓库继续更新。Umi-OCR作为长期项目，将持续优化识别精度和用户体验。
manga-ocr-base - 高精度日语漫画OCR模型支持多场景文本识别
GithubHuggingfaceManga OCR图像文本转换开源项目日本漫画日语文字识别模型视觉编码器解码器
manga-ocr-base是一款专为日语漫画开发的OCR模型，采用Vision Encoder Decoder框架。它不仅能识别垂直和水平文本，还可处理带振假名的文字和图像上的叠加文字。该模型适用于多种字体和样式，并能在低质量图像中保持高识别率。除漫画外，它还可用于一般日语印刷文本识别。该开源项目已在GitHub上发布，为日语文本识别领域提供了新的解决方案。
Tesseract4Android - 基于 Tesseract 的 Android OCR 库 支持多线程识别
Android开发GithubOCRTesseract4Android图像识别开源项目文字识别
Tesseract4Android 是一个重写的 Android OCR 库，基于 tess-two 项目。该库采用 CMake 构建，兼容最新 Android Studio，集成 Tesseract OCR 5.3.4。它提供标准单线程和 OpenMP 多线程两个版本，满足不同性能需求。Tesseract4Android 简化了 OCR 技术在 Android 应用中的使用，支持多语言识别，并附带示例应用展示基本用法。
cross-image-attention - 跨图像注意力机制实现零样本外观迁移
Cross-Image AttentionGithub图像生成开源项目自注意力机制语义对应零样本外观迁移
该项目开发了一种跨图像注意力机制，实现了零样本外观迁移。这种方法利用生成模型的语义理解，在保持目标结构的同时，将外观应用到不同形状的对象上。该技术适用于多种对象类别，对形状、大小和视角变化具有适应性。项目提供了代码实现、使用指南和演示，便于研究人员探索和应用。
trocr-base-stage1 - 以Transformer为基础的图像文字识别预训练模型
GithubHugging FaceHuggingfaceTrOCR光学字符识别图像Transformer开源项目文本Transformer模型
此预训练模型使用Transformer进行光学字符识别（OCR），为TrOCR模型的一部分。其图像编码器采用BEiT权重初始化，文本解码器则使用RoBERTa权重，处理图像为固定大小的16x16像素块并线性嵌入。适用于单行文本图像的OCR任务，并支持针对特定任务进行微调，兼容PyTorch实现。
ddddocr - 多功能验证码识别库 支持OCR与目标检测
DdddOcrGithubOCR开源项目滑块检测目标检测验证码识别
ddddocr是一个开源的验证码识别库，支持基础OCR、目标检测和滑块识别等多种功能。该项目采用深度学习技术，无需针对特定验证码训练，具有通用性强的特点。ddddocr支持Windows、Linux和MacOS等主流操作系统，提供Python接口便于集成。项目设计注重简化配置和使用流程，为开发者提供了一个高效的验证码识别工具。
DAVAR-Lab-OCR - 多模态文档理解开源工具箱
DAVAR-OCRGithub开源代码库开源项目文字识别文档理解算法实现
DAVAR-Lab-OCR是海康威视研究院DAVAR实验室开发的开源OCR仓库，实现了多项最新学术成果。该工具箱涵盖文本检测、识别和端到端识别等基础OCR任务，同时包含信息提取、表格识别和版面分析等文档理解功能。基于mmdetection和mmcv框架构建，具有良好的兼容性和扩展性，为OCR领域的研究和应用提供了综合解决方案。
trocr-large-handwritten - TrOCR：大规模预训练的手写文本识别模型
GithubHuggingfaceIAM数据集TrOCRTransformer模型图像文字识别开源项目手写识别模型
trocr-large-handwritten是一个基于Transformer架构的大规模手写文本OCR模型，在IAM数据集上进行了微调。它由图像编码器和文本解码器组成，能够准确识别单行手写文本图像。该模型具有强大的性能，可用于手写文本数字化和信息提取，为研究人员和开发者提供了高效的OCR解决方案。
ocrs - 基于Rust的开源OCR引擎和命令行工具
GithubOCRONNXRust图像文字提取开源项目机器学习
ocrs是一个基于Rust的开源光学字符识别(OCR)库和命令行工具，利用机器学习技术从各类图像中提取文本。它旨在提供一个现代化的OCR引擎，能够处理多种图像类型，并大幅减少预处理工作。ocrs具有跨平台兼容性，支持WebAssembly，使用开放许可数据集训练。目前项目处于早期阶段，支持拉丁字母识别，并计划未来扩展更多语言支持。
相关项目
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

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
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号