Project Icon

surya_rec

surya项目专用的多语言文本识别模型

surya_rec是一个开源的文本识别模型,基于cc-by-nc-sa-4.0许可发布。该模型作为surya项目的一部分,专注于多语言文本的识别和提取。surya_rec采用深度学习技术,旨在高效识别和提取多语言文本内容,支持文档分析和信息提取。模型注重准确性和性能,为开发者提供强大的OCR解决方案。有兴趣的开发者可通过surya项目的GitHub仓库了解更多详情和使用方法。

recognize-anything - 通用图像识别模型:支持开放域类别和高精度标签生成
GithubRAM++图像识别多模态开源模型开源项目零样本学习
Recognize Anything Model是一系列开源图像识别模型,包括RAM++、RAM和Tag2Text。这些模型能准确识别常见和开放域类别,支持高精度图像标签生成和全面描述。项目提供预训练模型、推理代码和训练数据集,适用于多种计算机视觉任务。模型性能优于现有先进方案,尤其在零样本识别方面表现突出。
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。
Umi-OCR_v2 - 开源多语言OCR软件 支持批量处理和自定义识别
GithubUmi-OCR仓库迁移开源项目版本更新项目重构
Umi-OCR是一款开源的光学字符识别软件,支持多语言识别、批量处理和自定义识别区域。项目已完成v2版本重构并发布2.0.0正式版,迁移至主仓库继续更新。Umi-OCR作为长期项目,将持续优化识别精度和用户体验。
image-text-localization-recognition - 场景文本检测与识别研究进展资源汇总
Github人工智能场景文本检测开源项目文本识别深度学习计算机视觉
该项目汇总了场景文本检测与识别领域的最新研究成果,包含牛津大学、深圳先进技术研究院、华南理工大学等机构发表的论文和开源代码。内容覆盖文本检测、文本识别、端到端文本识别等方向,为相关研究提供全面参考。项目保持更新,持续跟踪领域进展,是场景文本分析研究的重要资源库。
SimpleHTR - TensorFlow手写文本识别系统,支持单词和整行文本识别
CTC解码GithubIAM数据集TensorFlow字束搜索解码开源项目手写文字识别
本手写文本识别系统使用TensorFlow实现,并训练于IAM数据集。其能够识别单词和整行文本,验证集中3/4的单词被正确识别,字符错误率约为10%。系统提供预训练模型下载和多种解码器选项,包括适用于Windows的word beam search解码器。此外,还支持快速数据加载和训练设置,适合快速开发与部署文本识别应用。
silero-models - 提供预训练的企业级语音识别和合成模型
GithubONNXPyTorchSilero Models开源项目文本转语音语音识别
silero-models展示高质量预训练语音识别与合成模型,提供简化的企业级语音技术解决方案,性能匹敌谷歌STT。模型即用、支持多语言、语音合成自然,将企业和开发者的部署流程简化至极致。
Yi-6B-200K - 提供中英文双语支持的开源大语言模型
GithubHuggingfaceYi双语开源开源项目技术报告模型语言模型
致力于构建开源大语言模型,具备出色的语言理解、常识推理和阅读理解能力。Yi系列通过多语言语料库训练,在许多基准测试中表现优异。采用Llama架构,由Yi团队独立开发数据集与基础设施,适合个人、学术和商业使用。
OCR_DataSet - 综合OCR数据集资源库及工具集
Github图像标注开源项目数据集文字识别深度学习计算机视觉
OCR_DataSet项目整合了13个知名的多语言OCR数据集,涵盖ICDAR2015、MLT2019和COCO-Text_v2等。项目特色包括数据格式统一化、便捷的百度网盘下载、详尽的数据集信息表和简化的读取脚本。此外,项目还提供了数据生成工具链接,为OCR领域的研究和开发工作提供了全面的资源支持。
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。
open-muse - 开源项目MUSE模型重现,用于高效文本到图像生成
GithubHuggingfaceMUSEVQGANopen-musetransformer开源项目
open-muse项目致力于重现Transformer MUSE模型,通过LAION-2B和COYO-700M数据集的训练,提供简单且可扩展的代码库。项目包括在Imagenet上训练类别条件模型、在CC12M上进行文本到图像实验,以及训练改进的VQGAN模型,所有结果将上传至Huggingface的openMUSE组织。支持的模型包括MaskGitTransformer和VQGAN,方便使用并可在Huggingface hub上加载和保存。
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