Project Icon

parseq

创新的场景文本识别统一模型

PARSeq是一种创新的场景文本识别模型,采用置换自回归序列方法,实现了上下文无关和上下文感知推理及迭代预测细化。该模型统一了现有STR解码方法,无需独立语言模型,在多个基准数据集上展现出优异性能,同时保持较低计算成本。PARSeq支持灵活的字符集训练和多种评估配置,为OCR应用提供了高效而强大的解决方案。

fairseq - 序列建模工具包,支持机器翻译与文本生成
FairseqGithubPyTorch序列建模开源项目文本生成机器翻译
Fairseq 是一个序列建模工具包,适用于机器翻译和文本生成。支持多GPU训练,提供灵活配置和扩展能力,以及多种预训练模型和参考实现。内置束搜索和抽样等算法,支持混合精度训练和参数CPU卸载,为研究人员和开发人员提供高效解决方案。
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。
MegaParse - 多功能文档解析工具,支持多种文件格式
GithubMegaParse广泛兼容开源开源项目文档解析高效
兼容多种文件格式的解析器,支持文本、PDF、PPT、Word等,确保信息无损。MegaParse开源免费,注重速度和效率。支持表格、目录、标题、页脚和图像等内容解析。添加OpenAI API密钥后,可激活LlamaParse功能,增强解析效果。操作简便,适用于各种文档处理需求。
Parseflow - 数据自动化平台提升企业效率
AI工具AI数据提取OCRParseflow数据自动化集成应用
Parseflow是一个数据自动化平台,帮助企业简化数据处理,减少人工输入,降低成本。支持从发票和合同中提取数据,整合到QuickBooks和谷歌表格等6000多款应用,无需编程,提供强大的OCR支持,支持60多种语言,实现高效安全的数据管理。
LLaVAR - 优化视觉指令微调的文本丰富图像理解模型
GithubLLaVAROCR能力多模态大语言模型开源项目文本丰富图像理解视觉指令微调
LLaVAR项目致力于增强大型语言模型对文本丰富图像的理解能力。通过改进视觉指令微调方法,该项目显著提升了模型在OCR相关任务上的表现。LLaVAR开源了模型权重、训练数据,并提供了环境配置、训练脚本和评估方法,为相关研究和开发提供了全面支持。
Parsr - 清理和解析文档,生成结构化数据
APIDockerGithubParsr开源项目数据解析文档处理
Parsr是一款轻量级的文档清理、解析和提取工具,支持图像、PDF、DOCX和EML格式。能够生成JSON、Markdown、CSV/Pandas DF或TXT格式的数据,为分析师、数据科学家和开发者提供结构化的标签信息集,可用于数据录入和文档分析自动化等应用。功能包括文档清理、层次结构重建、标题检测、表格、列表、目录、页码、页眉页脚和链接检测等。通过Docker镜像可以快速安装和运行,并提供GUI工具以可视化结果。
tesseract - 开源OCR引擎 多语言文字识别解决方案
GithubTesseract OCR光学字符识别图像处理多语言支持开源软件开源项目
Tesseract是一款开源的光学字符识别(OCR)引擎,支持超过100种语言识别和多种图像格式处理。项目包含OCR引擎libtesseract和命令行工具tesseract。最新版本Tesseract 4引入基于神经网络的OCR引擎,专注于行识别,同时保留了传统的字符模式识别功能。Tesseract支持Unicode,可输出多种格式如纯文本、PDF等,并可通过训练扩展语言识别能力。
lightseq - 基于CUDA的高性能训练与推理库
BERT性能GithubLightSeqTransformer模型序列处理开源项目混合精度训练
LightSeq为基于CUDA的高性能训练与推理库,专为序列处理和生成优化,支持BERT、Transformer等主流模型。最新版本新增int8混合精度功能,显著提升训练与推理效率,完美兼容Fairseq、Hugging Face等框架。
fairseq2 - 先进序列建模工具包 支持多任务自定义模型训练
Githubfairseq2序列建模开源项目机器学习自然语言处理
fairseq2是由Facebook AI Research开发的序列建模工具包,作为fairseq的后续版本,为研究人员和开发者提供了强大的自定义模型训练功能。它支持包括LLaMA系列、Mistral 7B和NLLB-200在内的多种先进模型,可用于翻译、摘要和语言建模等任务。fairseq2提供Linux和macOS的预构建包,兼容多种PyTorch和CUDA版本,为序列建模研究和应用提供了灵活的解决方案。
PaddleOCR - 领先的OCR工具库,支持多语言和多硬件平台
GithubOCRPaddleOCR开源项目文本识别模型训练热门表格识别
PaddleOCR旨在为开发者提供一套丰富、领先且实用的OCR工具库,帮助开发者快速训练并部署OCR模型。它不仅支持中英文识别,还支持多语言和多硬件平台,包括最新的PP-OCRv4模型,有效提高了中英文场景下的识别精确度。适用于移动端和服务器端,适配多种开发需求。
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