Project Icon

gImageReader

基于tesseract-ocr的开源图像文字识别工具 支持多格式处理

gImageReader是一个基于tesseract-ocr的开源图像文字识别工具。它提供简洁的Gtk/Qt前端界面,支持从多种来源导入PDF和图像,包括磁盘、扫描设备、剪贴板和屏幕截图。该工具可批量处理文件,支持手动或自动定义识别区域,输出格式包括纯文本和hOCR。gImageReader还具备文本后处理、拼写检查和生成PDF等功能,支持多语言识别。作为一款功能全面的OCR软件,gImageReader为用户提供了便捷的文字识别解决方案。

LaTeX-OCR - 智能数学公式图像转LaTeX代码工具
GithubLaTeX识别pix2tex图像处理开源项目数学公式机器学习
这是一个基于机器学习的系统,可以将数学公式图像转换为相应的LaTeX代码。系统支持命令行工具、图形用户界面、API和Python集成,提供多种使用方式。适用于不同分辨率的图像,自动优化处理以提高识别性能。还包括模型训练指南和数据集生成工具,适用于科研和教育用途。
attention-ocr - 基于注意力机制的视觉OCR模型,实现与导出工具
Attention-OCRGithubOCRTensorflow人工智能图像识别开源项目
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。
keras-ocr - 基于Keras的开源文本检测和OCR解决方案
Githubkeras-ocr图像处理开源项目文字识别深度学习计算机视觉
keras-ocr是一个开源的文本检测和OCR工具包,集成了CRAFT检测模型和CRNN识别模型。该项目提供高级API用于训练和部署OCR流程,支持Python 3.6+和TensorFlow 2.0.0+环境。keras-ocr自带预训练模型,在COCO-Text验证集上表现接近主流云服务。它为开发者提供了一个灵活、高效且易于使用的OCR开发平台。
normcap - 跨平台OCR截图工具 智能提取文本信息
GithubNormCapOCR开源开源项目截图工具跨平台
NormCap是一款基于OCR技术的屏幕截图工具,适用于Linux、macOS和Windows系统。这款开源软件不仅可以捕获图像,还能智能识别并提取图像中的文本信息。NormCap支持多语言识别,界面简洁易用。无论是日常办公还是学术研究,NormCap都能协助快速获取所需的文字内容,提高工作效率。
qimgv - 多功能图像查看器 支持视频播放和基本编辑
Githubqimgv图片查看器开源项目快捷键用户界面视频播放
qimgv作为一款开源图像查看器,集成了视频播放功能。软件提供高质量缩放、基本编辑工具和文件夹视图模式。支持主题和快捷键自定义,便捷的文件管理操作,以及shell脚本运行能力。兼容多种图像格式,跨平台支持Windows、Linux和BSD系统。
wangfreexx-tianruoocr-cl-paddle - 开源本地OCR识别和翻译软件
Chinese-liteGithubOCR软件paddle-ocr开源项目文字识别翻译功能
wangfreexx-tianruoocr-cl-paddle是一款开源的本地OCR识别软件,基于Chinese-lite和paddle-ocr技术。支持中文高效识别、条形码扫描和多种翻译接口,包括离线翻译功能。软件提供段落合并和自定义设置,适用于64位Windows系统,无需网络即可进行OCR识别。该项目为用户提供了一个全面的本地文字识别和翻译解决方案。
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。
Pix2Text - 开源Python工具,支持高精度数学公式检测和80多种语言的文本识别
GithubOCRPix2Text开源开源项目数学公式检测表格识别
Pix2Text是一款免费开源的Python工具,主要功能与Mathpix类似,能够将复杂布局的图像、表格、文本和数学公式转换为Markdown格式。它支持超过80种语言的文本识别,包括简体中文、繁体中文、英语和越南语。最新的V1.1.1版本引入了新的数学公式检测模型,大幅提升了识别准确性。用户也可以通过在线服务和演示来体验其强大功能。
manga-image-translator - 实现漫画和图像中文本的翻译与渲染
Githubmanga-image-translator图像在线演示开源项目翻译
manga-image-translator是一款多语言图像和漫画文本翻译工具,支持日语、中文、英语和韩语的处理。功能不仅包括文本翻译,还涵盖图像修复、文字渲染及上色。适用于各类未翻译漫画资源,通过API和网页模式提供服务,满足开发者和内容创作者的需求。目前,该工具支持在线演示,用户可根据需求自行配置和使用。
GOT-OCR2_0 - GOT-OCR2_0为OCR技术开创统一端到端模型新纪元
GOTGithubHuggingfaceOCR图像识别开源项目模型自然语言处理视觉语言模型
GOT-OCR2_0项目提出通用OCR理论,通过统一端到端模型实现OCR 2.0。该模型具备多语言识别、版面分析和细粒度OCR能力,可处理普通文本、格式化文本及多页文档。项目提供开源训练代码和在线演示,为OCR技术发展开辟新方向。
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。

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