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
donut-base-finetuned-cord-v2 - 基于CORD数据集的直接文档理解转换模型
DonutGithubHuggingface图像转文字开源项目文档解析文档识别机器视觉模型
该模型采用Swin Transformer编码器和BART解码器架构，通过CORD数据集优化，实现了直接的图像到文本转换功能。模型跳过了传统OCR步骤，直接将文档图像编码为张量表示，再解码生成文本内容，简化了文档理解流程。
layoutlm-base-uncased - LayoutLM模型融合文本布局图像信息提升文档AI效能
GithubHuggingfaceLayoutLM开源项目文本布局文档AI文档理解模型预训练模型
LayoutLM是一种文档AI预训练模型，结合文本、布局和图像信息，提升文档图像理解和信息提取能力。该模型在表单和收据理解等任务中表现优异。LayoutLM-base-uncased版本采用12层结构，768维隐藏层，12个注意力头，共113M参数，经1100万份文档2轮训练。这一模型为文档AI领域带来突破，提高了复杂文档处理效率。
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。
pytorch-openai-transformer-lm - 基于PyTorch的OpenAI Transformer语言模型实现
GithubOpenAIPyTorchTransformer Language Model开源项目模型预训练
该项目实现了OpenAI Transformer语言模型在PyTorch中的复现，提供了预训练权重加载脚本及模型类。采用固定权重衰减和调度学习率优化模型，支持对ROCStories Cloze任务进行微调，效果接近原始TensorFlow实现。适用于深度学习研究和语言模型的生成与分类任务。
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。
tessdata_fast - Tesseract OCR引擎的快速整数训练模型
GithubLSTM引擎OCR语言Tesseract OCR开源项目快速整数版本训练模型
tessdata_fast项目提供Tesseract 4和5 LSTM OCR引擎的快速整数训练模型。这些模型在速度和准确性间取得平衡，包括单一语言和多语言脚本模型，支持多种语言和文字系统。虽不支持微调和增量训练，但已在多数Linux发行版中广泛应用，为OCR处理提供高效解决方案。
git-large-coco - 高级视觉与语言转换：大规模图像到文本模型
GITGithubHuggingface图像标注开源项目模型模型训练视觉视觉问答
GIT大型模型通过在COCO数据集上微调，实现图像到文本的转换，支持图像和视频字幕生成、视觉问答和图像分类等功能。该模型利用图像和文本令牌的结合，预测下一个文本令牌，并在多种视觉与语言应用场景中表现出色。
LaTeX_OCR_PRO - 基于深度学习的多语言数学公式识别系统
AttentionGithubLaTeX_OCR_PROSeq2Seq开源项目数学公式识别机器学习
LaTeX_OCR_PRO是一个开源的数学公式识别项目，结合Seq2Seq、Attention和Beam Search技术，实现了对标准、中文及手写数学公式的高精度识别。项目提供完整的环境配置、数据处理、模型训练和评估流程，在多项性能指标上达到业界领先水平。此外，LaTeX_OCR_PRO还支持训练过程和注意力机制的可视化，为相关研究和应用开发提供了有力支持。
mmocr - 一个基于 PyTorch 和 mmdetection 的用于文本检测、文本识别以及相应的下游任务，包括关键信息提取的开源工具箱
GithubMMOCROpenMMLabPyTorch开源项目文本检测文本识别
MMOCR是一个基于PyTorch和mmdetection的开源工具箱，提供全面的文本检测、文本识别及信息提取解决方案。它支持多种先进模型和模块化设计，允许用户自定义优化器、数据预处理和模型组件。最新版本v1.0.0新增支持SCUT-CTW1500、SynthText和MJSynth数据集，更新了FAQ和文档，并添加了新教程笔记本。适用于PyTorch 1.6+，欢迎研究人员和开发者贡献改进。
table-transformer - 基于深度学习的表格提取与结构识别模型
GithubPubTables-1MTable Transformer开源项目深度学习目标检测表格提取
Table Transformer (TATR)是一种基于对象检测的深度学习模型,用于从PDF和图像中提取表格。该模型支持表格检测、结构识别和功能分析,并提供完整的训练和推理代码。TATR还发布了在PubTables-1M等大规模数据集上的预训练模型权重,有助于实现高精度的表格提取和分析。
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。

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