Logo
Project Icon

image-text-localization-recognition

场景文本检测与识别研究进展资源汇总

场景文本检测文本识别深度学习计算机视觉人工智能Github开源项目

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。

GithubGithub论文论文
介绍相关项目
resnet-152-text-detector - 基于ResNet-152的高效图像文本检测深度学习模型
GithubHuggingfaceResNet-152图像分类开源项目文本检测模型深度学习计算机视觉
ResNet-152 Text Detector是一个基于ResNet-152架构的深度学习模型，用于快速判断图像是否包含可读文本。该模型在COCO-Text和LLaVAR数据集上训练，使用约14万张图像，其中50%含文本，50%不含文本。模型采用300x300输入分辨率，使用AdamW优化器，学习率为5e-5，训练3个epochs。通过简单的Python代码，开发者可以轻松集成此模型，实现二元分类的图像文本检测功能。
Transformer-in-Vision - 深入探索Transformer在计算机视觉领域的最新研究与资源
AI模型ChatGPTGithubTransformer-in-Vision多模态开源项目计算机视觉
本页面收录并介绍了最新的基于Transformer的计算机视觉研究和相关资源，内容涵盖机器人应用、视频生成、文本-图像检索、多模态预训练模型等领域。用户可访问开源代码和论文链接，如ChatGPT在机器人领域的应用、DIFFUSIONDB、LAION-5B、LAVIS、Imagen Video和Phenaki等。页面会不定期更新，提供Transformer在视觉领域应用的全面信息和资源汇总。
DAVAR-Lab-OCR - 多模态文档理解开源工具箱
DAVAR-OCRGithub开源代码库开源项目文字识别文档理解算法实现
DAVAR-Lab-OCR是海康威视研究院DAVAR实验室开发的开源OCR仓库，实现了多项最新学术成果。该工具箱涵盖文本检测、识别和端到端识别等基础OCR任务，同时包含信息提取、表格识别和版面分析等文档理解功能。基于mmdetection和mmcv框架构建，具有良好的兼容性和扩展性，为OCR领域的研究和应用提供了综合解决方案。
awesome-camouflaged-object-detection - 伪装物体检测研究进展综述与资源汇总
Github伪装物体检测图像分割开源项目数据集深度学习计算机视觉
本项目全面总结伪装物体检测(COD)领域的研究进展,涵盖检测、分割、场景理解等方向。汇集顶级论文、数据集和代码资源,定期更新最新成果。为研究人员提供了解COD前沿进展的重要参考。
best_AI_papers_2022 - 2022年AI领域的关键研究与技术进展
AIGithub图像生成开源项目文本到图像模型深度学习
2022年人工智能领域的科研进展和技术发展。这个集合包含了通过严格策划得到的多篇AI论文，由专家louisfb01整理，每篇论文均提供视频概述、详细文章链接和实现代码，覆盖伦理、偏见和治理等多个关键议题。
RGBD-semantic-segmentation - RGB-D语义分割技术发展综述及性能评估
GithubRGBD语义分割开源项目性能对比数据集深度学习评估指标
本项目汇总了RGB-D语义分割领域的最新研究成果,提供详尽的论文列表和性能对比。涵盖NYUDv2等主流数据集的基准结果,包括像素精度、平均精度、mIoU等关键指标。通过定期更新反映该领域最新进展,为计算机视觉研究人员提供全面的参考资源。项目内容还包括数据集介绍、评估指标说明和详细的性能对比表格,全面呈现RGB-D语义分割技术的发展脉络。对于想深入了解该领域的研究人员和工程师而言,这是一个高价值的信息聚合平台。
Awesome-Text-to-3D - 文本到3D生成技术的最新研究进展概览
3D生成GithubText-to-3D开源项目扩散模型生成式AI神经辐射场
Awesome-Text-to-3D是一个汇集文本到3D和扩散到3D领域最新研究成果的开源项目。它涵盖了从零样本文本引导对象生成到高保真3D人脸生成等多个方向的前沿论文。项目定期更新，并提供教程视频和引用信息，为研究人员和开发者提供了跟踪该领域进展的综合资源。
Awesome-Computer-Vision-Paper-List - AI顶会论文集大全 一站式检索平台
CVPRGithubICCVNeurIPS人工智能会议开源项目论文收集
项目收录了CVPR、ICCV、ECCV、AAAI、IJCAI、NeurIPS等AI顶级会议论文，覆盖计算机视觉和人工智能多个领域。研究人员可快速检索特定主题论文或相似研究。数据源自官方网站，确保信息准确。资源库持续更新，是AI研究人员的重要参考工具。
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。
MultimodalRecSys - 多模态推荐系统资源与研究进展汇总
Github图神经网络多模态推荐系统开源项目推荐算法深度学习自监督学习
本项目汇总了多模态推荐系统领域的精选资源，包括最新研究论文、开源框架和数据集。内容涵盖通用多模态推荐、基于文本和图像的推荐等方向，并提供详细的文献综述和技术分类。项目重点关注代码实现，为研究人员和开发者提供了深入了解该领域的重要参考。资源列表持续更新，反映多模态推荐系统的最新进展。
相关项目
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