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
keras-attention - Keras 兼容的注意力层，支持 Luong 和 Bahdanau 评分函数
Attention LayerBahdanauGithubKerasLuongTensorflow开源项目
Keras Attention Layer 支持 Luong 和 Bahdanau 的评分函数，与 Tensorflow 2.8 至 2.14 兼容。该层易于安装和使用，可根据需求调整参数，广泛应用于提高深度学习模型精度。提供丰富的实例和详细文档，包括在 LSTM 网络中的注意力机制实现，以及 IMDB 数据集和加数任务的实验数据。
yolov3-tf2 - YOLOv3的TensorFlow实现，目标检测解决方案
GithubTensorFlow 2.0YoloV3开源项目检测训练预训练权重
该项目采用TensorFlow 2.0实现YOLOv3，提供预训练权重、推理示例和迁移学习功能，支持GPU加速、eager模式和图模式训练，并集成absl-py。用户可以方便地安装、训练和进行实时视频检测，同时支持TF模型导出和Serving。
trocr-large-printed - 基于Transformer的大规模印刷文本OCR模型
GithubHuggingfaceTrOCR光学字符识别图像处理开源项目模型深度学习自然语言处理
trocr-large-printed是一个基于Transformer架构的大规模光学字符识别(OCR)模型，专为印刷文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器，可高效处理单行文本图像。通过在SROIE数据集上的微调，trocr-large-printed为各类印刷文档的文本识别任务提供了准确可靠的解决方案。
TextRecognitionDataGenerator - 多语言文本识别数据生成工具
GithubOCRTextRecognitionDataGenerator合成数据图像生成开源项目文本识别
TextRecognitionDataGenerator是一款开源的文本识别数据生成工具。支持多种语言如拉丁文、中文和日文等，可自定义字体、背景、文本扭曲和模糊效果。工具提供命令行界面和Python模块，便于集成到训练流程中。适用于OCR和文本识别模型的数据集制作，支持手写体文本生成功能。
tesserocr - Python封装的OCR引擎简化技术集成
GithubOCRPythonTesseract APItesserocr图像识别开源项目
tesserocr是基于Tesseract OCR引擎的Python封装库，通过Cython集成Tesseract C++ API。它提供简洁的Pythonic接口，支持多线程并发，可与Pillow库配合。tesserocr简化了OCR集成，便于开发者在Python项目中实现高效文字识别。该库支持多种图像格式，提供丰富的API功能，包括文本识别、布局分析和方向检测等。tesserocr支持多种语言识别、图像预处理、文本布局分析等高级功能。它还提供了简单的命令行接口，方便快速测试和使用。该库适用于各种OCR应用场景，如文档数字化、图像文本提取和自动化数据录入等。
Binoculars - 无需训练的AI文本检测工具
AI生成文本检测BinocularsGithub开源项目语言模型零样本领域无关
Binoculars是一款无需训练数据的AI文本检测工具，利用语言模型预训练数据集重叠原理识别生成内容。提供Python接口和在线演示，支持零样本检测，目前主要适用于英语文本。该项目为AI文本识别领域引入了新的解决思路。Binoculars适用于学术界、新闻媒体、内容平台等需要识别AI生成文本的场景，有助于维护信息真实性和原创性。
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。
landmark-attention - 突破性长序列处理技术的高效注意力机制
GithubLLaMALandmark AttentionTransformer开源项目深度学习语言模型
Landmark Attention项目提供了一种创新注意力机制的实现，可处理无限长度的上下文。该项目包含语言建模基准测试和LLaMA模型微调代码，以及与Flash Attention结合的Triton实现。通过在输入中添加特殊landmark标记，实现了对超长序列的随机访问，优化了Transformer模型的长文本处理能力，同时显著降低了内存使用并提高了性能。
zheye - 智能识别知乎倒立汉字验证码的开源工具
Github卷积神经网络开源项目机器学习知乎验证码识别高斯混合模型
zheye是一个开源项目，专注于识别知乎的倒立汉字验证码。该项目结合了卷积神经网络和高斯混合模型，可准确定位图中的倒立文字。zheye提供完整的训练和测试流程，包括依赖安装、模型训练和验证码评估。作为计算机视觉领域的实践案例，zheye展示了先进的图像识别技术。项目开发目的为学习和研究，使用时需遵守相关协议。
ScreenAI - 深度理解界面和信息图的视觉语言模型
GithubScreenAIUI理解信息图表理解多模态开源项目视觉语言模型
ScreenAI是一个开源的多模态视觉语言模型，专注于用户界面(UI)和信息图的理解。该模型集成了视觉变换器(ViT)、注意力机制和前馈网络，能够处理图像和文本输入。通过深度学习技术，ScreenAI实现了对复杂视觉信息的处理和文本整合分析，为UI设计、信息可视化和人机交互研究提供了新的工具和方法。
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