Project Icon

tesstrain

Tesseract 5训练流程自动化工具

tesstrain是一个基于Makefile的Tesseract 5训练工作流工具。它提供完整的OCR模型训练流程,包括数据准备、训练、评估和可视化。支持自定义模型、微调和从头训练,具有灵活的配置选项。tesstrain能生成traineddata文件和错误率图表,适用于高效开发和优化Tesseract模型。

aTrain - 本地化多语言语音转录工具 支持主流质性分析软件
GithubaTrain多语言支持开源项目机器学习语音转录隐私保护
aTrain是格拉茨大学研究人员开发的本地化语音转录工具,采用先进机器学习模型实现快速准确转录和说话人检测。支持57种语言,兼容MAXQDA、ATLAS.ti和NVivo等主流质性分析软件。该工具在本地设备处理数据,确保隐私安全和GDPR合规。适用于Windows系统,可通过Microsoft应用商店安装,为研究人员提供高效的访谈转录解决方案。
trocr-large-printed - 基于Transformer的大规模印刷文本OCR模型
GithubHuggingfaceTrOCR光学字符识别图像处理开源项目模型深度学习自然语言处理
trocr-large-printed是一个基于Transformer架构的大规模光学字符识别(OCR)模型,专为印刷文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器,可高效处理单行文本图像。通过在SROIE数据集上的微调,trocr-large-printed为各类印刷文档的文本识别任务提供了准确可靠的解决方案。
tracr - 开源编译器实现RASP程序到Transformer权重的转换
GithubRASPTracrtransformer开源项目编译器解释性
tracr是一个开源编译工具,可将RASP程序转换为Transformer权重。它通过追踪程序、推断基向量和中间表示,最终生成Haiku模型。tracr支持类别和数值表示,使用BOS标记实现多种操作,并探索了残差流压缩嵌入。研究人员可以利用tracr编译RASP程序,查看中间激活值,深入分析模型行为,为Transformer可解释性研究提供实验平台。
gosseract - Go语言OCR解决方案 利用Tesseract C++库
GithubGo语言OCRTesseractgosseract图像识别开源项目
gosseract是一个Go语言OCR包,利用Tesseract C++库实现光学字符识别。它支持多种图像格式,提供简单API和丰富配置选项。项目包含一个可快速部署的OCR服务器应用,适用于文档数字化、图像文本提取等场景。gosseract支持多语言识别,可轻松集成到各类Go项目中。
overeasy - 无数据集需求的定制视觉模型构建
GithubOvereasy分割图像处理开源项目计算机视觉零样本视觉模型
Overeasy允许无大规模数据集,通过链式预训练零样本视觉模型实现高效图像处理。利用专用工具和工作流,用户可定制端到端管道,支持边框检测及分类。功能涵盖执行图和检测,安装简便,文档详尽,并提供Colab示例。
t5-v1_1-small - Google T5模型的改进版:通用文本处理框架
GithubHuggingfaceT5开源项目文本到文本转换模型自然语言处理迁移学习预训练模型
t5-v1_1-small作为Google T5模型的升级版,引入了GEGLU激活函数并在预训练阶段移除了dropout。模型在C4数据集上完成预训练,需要针对特定任务进行微调。其统一的文本到文本框架使其能够处理包括摘要、问答和文本分类在内的多种NLP任务,为迁移学习研究提供了新的可能性。
ai-toolkit - AI模型训练与优化的多功能工具集
AI ToolkitFLUX.1GithubLoRA图像生成开源项目模型训练
AI-toolkit是一款功能丰富的AI模型工具集,包含FLUX.1训练、LoRA提取和模型合并等功能。它还支持批量图像生成、LoRA权重调整和滑块训练等高级特性,并提供扩展系统供用户自定义功能。这个工具集主要适用于24GB及以上显存的GPU,为AI模型开发者和研究人员提供灵活高效的解决方案。
Transformer-TTS - 神经语音合成系统
GithubPyTorchTacotronTransformer-TTS开源项目神经网络语音合成
Transformer-TTS,一个基于Pytorch的高效神经语音合成系统。它使用Transformer网络,且训练速度是传统seq2seq模型的3到4倍。不仅提供预训练模型,其合成语音质量经实验证明优异。同时,项目支持自定义学习模型及策略,包括Noam式预热衰减学习率及关键的梯度裁剪等,是语音合成研究的理想选择。
InsTag - LLM监督微调数据分析与优化工具
GithubInsTagLLM开源项目数据分析标签系统监督微调
InsTag是大型语言模型监督微调数据分析工具,通过标记和分类用户查询,量化评估数据多样性与复杂性。该工具为研究人员提供模型训练优化依据,基于InsTag分析结果,仅需6K样本即可训练出TagLM模型。在MT-Bench评测中,TagLM表现优于多个开源LLM,凸显了InsTag在提升LLM训练效率方面的价值。
trainbot - 火车轨道监控与图像处理解决方案
GithubOnlytrainsRaspberry Pi Camera v3前端图像拼接开源项目计算机视觉
Trainbot是一个开源项目,使用video4linux USB摄像头或Raspberry Pi摄像头模块监控铁路线,检测火车通过并缝合其图像。项目采用简单高效的计算机视觉方法,无需复杂依赖,在CPU上完成全部处理,支持X86_64和Raspberry Pi 4 B等硬件。用户可以通过不同方式获取或编译二进制文件,前端由VueJS和Typescript构建,能够独立展示数据。项目提供简便可行的部署方案和详细文档。
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