Project Icon

ddddocr

多功能验证码识别库 支持OCR与目标检测

ddddocr是一个开源的验证码识别库,支持基础OCR、目标检测和滑块识别等多种功能。该项目采用深度学习技术,无需针对特定验证码训练,具有通用性强的特点。ddddocr支持Windows、Linux和MacOS等主流操作系统,提供Python接口便于集成。项目设计注重简化配置和使用流程,为开发者提供了一个高效的验证码识别工具。

mmcv - OpenMMLab开源计算机视觉基础库
GithubMMCVOpenMMLabPyTorch开源项目深度学习计算机视觉
MMCV是一个开源的计算机视觉基础库,提供图像和视频处理、数据转换、CNN架构等功能。支持多平台,包括Linux、Windows和macOS。库中包含高质量的CPU和CUDA操作实现,并提供完整版和精简版两种安装选项。MMCV需要Python 3.7+环境,与PyTorch深度学习框架兼容。
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。
colour-checker-detection - Python库实现色卡检测算法及相关工具
GithubPython包图像处理开源软件开源项目机器学习色彩检查器检测
这是一个开源Python库,专注于实现色卡检测算法和相关工具。库支持分割和基于YOLOv8的机器学习推理两种检测方法,主要用于ColorChecker Classic 24色卡的识别。项目提供丰富示例和API文档,可应用于图像处理和颜色校正等领域。采用BSD-3-Clause许可证发布,适用于研究和商业用途。
gImageReader - 基于tesseract-ocr的开源图像文字识别工具 支持多格式处理
GithubOCR软件PDF处理gImageReadertesseract-ocr图像识别开源项目
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。
QReader - 高效稳定的Python QR码识别库
GithubPython库PyzbarQR码识别YOLOv8图像处理开源项目
QReader是一个基于YOLOv8的Python库,专门用于识别和解码复杂场景中的QR码。该库集成了先进的QR码检测模型和图像预处理技术,能够在旋转、低分辨率等困难条件下保持较高的识别率。相较于传统方法,QReader表现更为稳定,为开发者提供了可靠的QR码读取解决方案。
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。
zotero-ocr - Zotero OCR插件实现PDF文献自动文本识别
GithubOCRPDFTesseractZotero开源项目插件
Zotero OCR是一个开源的Zotero插件,为PDF文献提供OCR文字识别功能。该插件可为选定PDF添加识别文本,生成新的文本化PDF,或创建纯文本笔记和HTML文件。基于Tesseract OCR引擎,支持多语言识别,并提供自定义配置选项。插件安装简便,有助于提升文献管理效率。
TextSnatcher - Linux平台高效图像文字识别工具
GithubLinux应用OCRTextSnatcher图像文字识别开源软件开源项目
TextSnatcher是一款为Linux平台开发的开源OCR工具,基于Tesseract OCR 4.x引擎。它支持多语言识别,能快速从图像中提取文字。用户通过简单拖动即可完成文本复制,操作便捷。TextSnatcher界面友好,适用于日常和工作中的各种文字提取需求。该工具效率高,功能实用,为Linux用户提供了便捷的图像文字识别解决方案。
OBBDetection - 多框架支持的开源目标检测工具箱 提供灵活表示方法
GithubMMdetectionOBBDetection开源项目深度学习目标检测计算机视觉
OBBDetection是基于MMdetection v2.2的开源目标检测工具箱。它支持多种检测框架,包括RoI Transformer和Gliding Vertex等。该工具箱提供灵活的检测框表示方法,涵盖水平边界框、定向边界框和4点框。OBBDetection实现了S2ANet、Oriented R-CNN等多种最新定向目标检测方法,同时也兼容多种水平检测算法。作为一个全面的目标检测工具,它继承了MMdetection的特性,适用于各种复杂场景的目标检测任务。
surya - 开源多语言文档识别与分析工具
GithubOCRSurya多语言识别布局分析开源项目文档处理
Surya是一个开源文档OCR工具包,支持90多种语言的文本识别,性能可与云服务媲美。它提供行级文本检测、布局分析和阅读顺序检测等功能,适用于多种文档类型。Surya不仅识别文本,还能分析文档结构,为文档解析提供全面解决方案。该工具适合研究和个人使用,商业使用需注意相关许可条件。
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