Logo
Project Icon

trocr-large-handwritten

TrOCR：大规模预训练的手写文本识别模型

模型图像文字识别IAM数据集TrOCRGithubTransformer模型手写识别Huggingface开源项目

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。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
TransBTS - 使用Transformer实现多模态脑肿瘤医学图像分割
GithubTransBTSTransBTSV2Transformer多模态数据集开源项目脑肿瘤分割
TransBTS与TransBTSV2采用Transformer技术显著提升多模态脑肿瘤与医学图像体积分割的效率与准确性。项目包括详细的模型实现和相关文献，支持BraTS、LiTS、KiTS等医学图像数据集，并利用Python和Pytorch进行数据预处理、模型训练和测试，支持分布式训练。适用于需要高效精准医学图像分割解决方案的研究人员和工程师。
t2i-adapter-sketch-sdxl-1.0 - 草图条件下的图像转换与文本生成优化
GithubHuggingfaceT2I Adapter图像生成开源项目模型生成模型稳定扩散草图
该项目为StableDiffusionXL提供了T2I Adapter，实现了在草图条件下的图像转换功能。由腾讯ARC与Hugging Face共同开发，采用PidiNet边缘检测模型训练，能够从草图生成更加精细和可控的图像。与其他模型相比，该模型依托StableDiffusionXL的多个校验点，在处理多样化风格时具有更高的灵活性，适合用于艺术创作和设计。用户可在Doodly Space中试用，支持高分辨率图像处理。项目遵循Apache 2.0开源协议，附有GitHub代码和学术论文供深入研究。
CogView - 中文文字生成逼真图像，支持英文和中文输入
CogViewGithubImageRewardNeurIPS 2023text-to-imagetransformer开源项目
CogView是一个基于4B参数预训练的转换器，用于生成通用领域的文本到图像。最新版本CogView2显著提升了生成速度，并扩展支持英文输入。用户可以通过Github和Wudao平台体验并下载预训练模型。项目还包含超分辨率和图像到文本转换功能，并提供详细的设置和运行指南。该项目获得NeurIPS 2021认可，并推荐使用PB-relax和Sandwich-LN技术稳定训练大型转化器。
t5-11b - 统一框架下的多语言文本转换模型
GithubHuggingfaceT5开源项目文本转换模型自然语言处理迁移学习预训练模型
T5-11B是一个基于Text-To-Text Transfer Transformer架构的大型语言模型，拥有110亿参数。该模型采用统一的文本到文本格式，能够处理机器翻译、文档摘要、问答和分类等多种NLP任务。T5-11B在Colossal Clean Crawled Corpus (C4)上进行预训练，并在24个任务上评估性能。模型支持英语、法语、罗马尼亚语和德语，展现出优秀的迁移学习能力，为自然语言处理应用奠定了坚实基础。
roberta-large - 大型英语预训练模型，适合多种任务优化
GithubHuggingfaceRoBERTaTransformer模型开源项目模型语言模型遮蔽语言建模预训练模型
RoBERTa是一个自监督学习的变压器模型，通过掩码语言建模（MLM）目标优化英语语言的表示。主要用于细调下游任务，如序列和标记分类以及问答。此模型预训练于包括BookCorpus和Wikipedia在内的五个大型语料库，使用BPE分词法和动态掩码训练，实现双向句子表示，并在GLUE测试中表现优异，适合在PyTorch和TensorFlow中应用。
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。
TCD-SDXL-LoRA - 创新扩散模型蒸馏技术助力高质量图像快速生成
GithubHuggingfaceLoRAStable DiffusionTCD开源项目快速采样文本生成图像模型
TCD是一款基于轨迹一致性蒸馏原理的开源项目，通过少步采样技术实现快速图像生成。该技术在保持高质量生成效果的同时，支持灵活调节采样步数和细节程度。作为SDXL的扩展模型，TCD可与社区模型、LoRA、ControlNet等技术无缝集成，并解决了传统对抗训练中的模式崩溃问题。
CrossFormer - 融合跨尺度注意力的高效视觉Transformer
CrossFormer++Github图像分类开源项目目标检测视觉Transformer跨尺度注意力
CrossFormer++是一种创新的视觉Transformer模型，通过跨尺度注意力机制解决了不同尺度对象特征间建立关联的问题。该模型引入跨尺度嵌入层和长短距离注意力等设计，并采用渐进式分组策略和激活冷却层来平衡性能与计算效率。在图像分类、目标检测和语义分割等视觉任务中表现优异，尤其在密集预测任务中效果显著。CrossFormer++为计算机视觉领域提供了一种灵活高效的新型架构。
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。
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