Project Icon

trocr-large-handwritten

TrOCR:大规模预训练的手写文本识别模型

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。

Handwriting OCR - AI多语言手写文本识别与数字化平台
AI增强AI工具多语言支持手写OCR文本识别文档数字化
这是一款专业的手写文本识别和数字化工具,采用先进的AI驱动OCR技术。支持300多种语言,将手写文档快速转换为数字文本,错误率低于1%。提供AI增强的格式化结果,适用于人力资源、法律、医疗等多个行业。用户可通过云端仪表板上传文档,轻松导出为Word或Excel格式,显著提高工作效率和准确性。
large-ocr-model.github.io - OCR 技术提升多模态大模型视觉问答性能研究
GithubOCR多模态大型模型开源项目缩放法则视觉问答
本项目研究 OCR 技术对多模态大模型性能的影响。实验表明,OCR 能显著提高模型在视觉问答任务中的表现。研究者构建了 REBU-Syn 数据集,验证了 OCR 领域的缩放法则,并开发了高精度 OCR 模型。这项工作为多模态大模型的应用开辟了新方向,揭示了 OCR 在增强模型能力方面的重要价值。
doctr-crnn-vgg16-bn-fascan-v1 - VGG16-CRNN文字识别模型
GithubHuggingfaceOCR技术PyTorchTensorFlow图像识别开源项目模型深度学习
doctr-crnn-vgg16-bn-fascan-v1是一个基于CRNN架构的文字识别模型,采用VGG16作为特征提取网络。模型通过DocumentFile接口支持图像处理,结合灵活的检测架构选择机制,可实现文档OCR任务。该实现同时支持TensorFlow 2和PyTorch框架,便于开发者快速部署和使用。
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。
doctr - 由深度学习提供支持的无缝、高性能和可访问的库,用于 OCR 相关任务
GithubOCRPyTorchTensorFlowdocTR开源项目文本识别
docTR提供高效、准确的OCR解决方案,支持PDF和图像文件,基于TensorFlow 2和PyTorch。能快速检测识别文档文字,并提供多种处理旋转文档选项。用户可使用预训练模型快速上手或自定义架构。解析结果可视化且支持导出为JSON格式,方便后续处理和分析。
fsdl-text-recognizer-2022-labs - 深度学习全流程实践 手写识别到模型部署教程
GithubPyTorch实验管理开源项目手写文本识别模型部署深度学习
本项目为深度学习实践提供全面教程,涵盖手写文本识别到模型部署的完整过程。采用PyTorch和PyTorch Lightning框架,结合CNN和Transformer技术,使用Weights & Biases管理实验。内容包括代码质量控制、Docker容器化、AWS Lambda部署和Gradio前端开发。通过系列实验,帮助掌握现代深度学习项目的全栈开发能力。
doctr-torch-parseq-multilingual-v1 - 多语言OCR解决方案,兼具TensorFlow 2和PyTorch兼容性
DoctrGithubHuggingfacePyTorchTensorFlow 2光学字符识别开源项目模型模型预测
该项目是一种多语言光学字符识别(OCR)工具,支持TensorFlow 2和PyTorch,提供了流畅的用户体验。开发者可通过Python代码方便地加载和预测模型,实现从文字检测到识别的完整流程,非常适合需要多语言处理的应用。
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。
TF-ID-large-no-caption - 学术文献中图表精准识别工具
GithubHuggingfaceTF-ID图像识别学术论文对象检测开源项目模型表格提取
TF-ID项目专注于精准提取学术论文中的表格和图形,由高效的TF-ID-large-no-caption版本支持。该项目来自Yifei Hu,基于Hugging Face的Florence-2,具备97%以上的识别准确率。适合需要处理大量学术图表的研究工作者。
InternViT-300M-448px - 动态分辨率视觉模型提供高效特征提取和OCR功能
GithubHuggingfaceInternViTOCR能力图像嵌入开源项目模型知识蒸馏视觉基础模型
InternViT-300M-448px是一个经过知识蒸馏的视觉基础模型,具有304M参数量和448x448的动态输入分辨率。该模型支持多图块处理,训练时1-12个,测试时可扩展至40个。通过在LAION、COYO等多个数据集上预训练,并整合额外OCR数据,模型展现出优秀的鲁棒性、文字识别和高分辨率处理能力。它可为多种视觉任务提供高质量的图像特征提取。
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

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。

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