Project Icon

doctr-crnn-vgg16-bn-fascan-v1

VGG16-CRNN文字识别模型

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。

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。
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。
keras-ocr - 基于Keras的开源文本检测和OCR解决方案
Githubkeras-ocr图像处理开源项目文字识别深度学习计算机视觉
keras-ocr是一个开源的文本检测和OCR工具包,集成了CRAFT检测模型和CRNN识别模型。该项目提供高级API用于训练和部署OCR流程,支持Python 3.6+和TensorFlow 2.0.0+环境。keras-ocr自带预训练模型,在COCO-Text验证集上表现接近主流云服务。它为开发者提供了一个灵活、高效且易于使用的OCR开发平台。
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。
trocr-small-handwritten - Transformer架构的手写文本识别OCR模型
GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目手写识别模型
TrOCR-small-handwritten是一个基于Transformer架构的手写文本识别模型。它结合图像编码器和文本解码器,可将手写图像准确转换为文本。该模型在IAM数据集上微调,适用于单行文本OCR任务。模型提供简洁API,便于集成到各类应用中,实现高效的手写文本数字化。其小型结构设计使其在保持识别精度的同时,具有更快的处理速度和更低的资源消耗。
trocr-base-handwritten - 基于Transformer架构的高精度手写文本识别模型
GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目手写文本识别模型
TrOCR是一种基于Transformer架构的光学字符识别模型,专为手写文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器,可准确识别单行手写文本图像。经IAM手写数据集微调后,TrOCR适用于多种手写OCR场景,为文本识别研究和应用提供了有力支持。
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。
deepdoctection - 文档AI:基于深度学习的提取与布局分析工具包
GithubOCRdeepdoctection开源项目文档AI模型深度学习
deepdoctection是一个Python库,通过深度学习模型实现文档提取和布局分析,支持对象检测、OCR和文本挖掘。此集成框架结合Tensorflow或PyTorch等库,适用于PDF或扫描图片文档处理,支持文档布局分析、表格识别和文本分类等任务,致力于解决实际应用问题,是文档处理领域开发者的理想选择。
manga-ocr-base - 高精度日语漫画OCR模型支持多场景文本识别
GithubHuggingfaceManga OCR图像文本转换开源项目日本漫画日语文字识别模型视觉编码器解码器
manga-ocr-base是一款专为日语漫画开发的OCR模型,采用Vision Encoder Decoder框架。它不仅能识别垂直和水平文本,还可处理带振假名的文字和图像上的叠加文字。该模型适用于多种字体和样式,并能在低质量图像中保持高识别率。除漫画外,它还可用于一般日语印刷文本识别。该开源项目已在GitHub上发布,为日语文本识别领域提供了新的解决方案。
trocr-base-stage1 - 以Transformer为基础的图像文字识别预训练模型
GithubHugging FaceHuggingfaceTrOCR光学字符识别图像Transformer开源项目文本Transformer模型
此预训练模型使用Transformer进行光学字符识别(OCR),为TrOCR模型的一部分。其图像编码器采用BEiT权重初始化,文本解码器则使用RoBERTa权重,处理图像为固定大小的16x16像素块并线性嵌入。适用于单行文本图像的OCR任务,并支持针对特定任务进行微调,兼容PyTorch实现。
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