Project Icon

TF-ID-large-no-caption

学术文献中图表精准识别工具

TF-ID项目专注于精准提取学术论文中的表格和图形,由高效的TF-ID-large-no-caption版本支持。该项目来自Yifei Hu,基于Hugging Face的Florence-2,具备97%以上的识别准确率。适合需要处理大量学术图表的研究工作者。

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。
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。
dit-base - 面向文档智能处理的自监督预训练图像Transformer模型
DiTGithubHuggingface图像编码开源项目文档分析文档图像转换器模型自监督预训练
DiT-base是一款基于Transformer架构的文档图像处理模型,通过在4200万份文档图像上进行自监督预训练而成。该模型运用掩码补全任务来学习图像的内部表示,可应用于文档分类、表格检测和版面分析等多种任务。DiT-base能够将文档图像编码为向量,为文档智能处理领域的各类应用奠定了基础。
blip-image-captioning-large - BLIP框架驱动的先进图像描述模型
BLIPGithubHuggingface图像描述多模态学习开源项目模型自然语言处理视觉语言预训练
blip-image-captioning-large是基于BLIP框架的图像描述模型,采用ViT大型骨干网络和COCO数据集预训练。它支持条件和无条件图像描述,在图像-文本检索、图像描述和视觉问答等任务中表现卓越。该模型具有出色的泛化能力,支持CPU和GPU(含半精度)推理,为图像理解和生成研究提供了有力工具。
DFN2B-CLIP-ViT-L-14 - 基于CLIP架构的大规模数据集训练图像识别模型
CLIPGithubHuggingface图像分类开源项目数据过滤网络机器学习模型计算机视觉
DFN2B-CLIP-ViT-L-14是一个基于CLIP架构的图像识别模型,采用数据过滤网络从128亿图像-文本对中筛选20亿高质量样本进行训练。该模型在多个基准测试中平均准确率达66.86%,可用于零样本图像分类等任务。模型提供OpenCLIP接口,便于开发者使用。DFN2B-CLIP-ViT-L-14体现了大规模数据集和先进算法在计算机视觉领域的应用,为图像理解提供有力支持。
AI-generated_images_detector - 高精度AI生成图像检测模型,适用于图像分类任务
AI-generated_images_detectorGithubHuggingface准确率图像分类开源项目模型训练和评估数据
该高精度AI生成图像检测模型专注于图像分类,适用于imagefolder数据集验证。模型训练后达到了0.9736的准确率,能够有效区分生成与真实图像。通过transformers库中的pipeline进行推理,只需将图像传递给模型即可获得分类结果,适用于对图像分类精度要求较高的应用,能够有效提升AI生成内容的识别能力。
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。
deepcell-tf - 用于单细胞生物图像分析的深度学习库
Githubdeepcell-tf单细胞分析开源项目时间序列数据深度学习细胞分割
DeepCell-tf是一个用于生物图像单细胞分析的深度学习库,基于Python和TensorFlow 2构建,提供预训练模型用于图像数据分析,并支持开发新的深度学习模型。其特色包括细胞分割和追踪模型的应用,处理2D、3D图像和时间序列数据。此外,还能结合DeepCell Toolbox、DeepCell Tracking和DeepCell Kiosk等工具进行预处理、追踪和大数据集云端部署。该库支持GPU加速,提供详细文档和示例,方便快速上手和模型训练。
unitable - 整合表格识别任务的统一框架
GithubTransformerUniTable开源项目自监督预训练表格结构表格识别
UniTable是一个创新的表格识别框架,统一了训练范式、目标和模型架构。它利用自监督预训练和语言建模,有效处理表格结构、单元格内容和边界框识别。该项目在四个大型数据集上展现最先进性能,并提供完整的推理流程Jupyter Notebook,支持多数据集微调和全面表格识别。
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。
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