CnSTD

多语言场景文字与数学公式检测工具包

场景文字检测数学公式检测 CnSTD PyTorch 模型 Github 开源项目

CnSTD是一个Python 3场景文字检测和数学公式检测工具包,支持多语言文字检测,提供多个预训练模型。最新版本新增数学公式检测功能,可识别行内和独立行公式。CnSTD基于PyTorch实现,采用DBNet等算法,检测速度和精度显著提升。可与CnOCR工具包结合,实现端到端文字识别。

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。

zheye - 智能识别知乎倒立汉字验证码的开源工具

Github卷积神经网络开源项目机器学习知乎验证码识别高斯混合模型

zheye是一个开源项目，专注于识别知乎的倒立汉字验证码。该项目结合了卷积神经网络和高斯混合模型，可准确定位图中的倒立文字。zheye提供完整的训练和测试流程，包括依赖安装、模型训练和验证码评估。作为计算机视觉领域的实践案例，zheye展示了先进的图像识别技术。项目开发目的为学习和研究，使用时需遵守相关协议。

OpenSTL - OpenSTL：时空预测学习的全面基准和模块化框架

GithubNeurIPS 2023OpenSTLPyTorch开源项目数据集时空预测

OpenSTL是一个全面的时空预测学习基准，涵盖了从合成运动物体轨迹到人体运动、驾驶场景、交通流量和天气预报的多样任务。该框架模块化设计并具有良好的扩展性，支持PyTorch Lightning和原始PyTorch实现。其主要功能包括灵活的代码设计和标准基准，组织严密并易于使用。

doctr-crnn-vgg16-bn-fascan-v1 - VGG16-CRNN文字识别模型

GithubHuggingfaceOCR技术PyTorchTensorFlow图像识别开源项目模型深度学习

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。

simple-ocr-opencv - 基于OpenCV和NumPy的轻量级Python OCR工具

GithubOCROpenCVPython图像识别开源项目机器学习

simple-ocr-opencv是一个基于OpenCV和NumPy的Python OCR工具。它采用矩形模型进行图像分割，使用k-NN算法实现字符分类。项目结构清晰，包含示例代码，支持自定义训练，并提供预标注训练图像和交互式标注功能。开发者可通过example.py快速上手。这个开源项目遵循GNU AGPLv3许可证，适合需要实现基础OCR功能的开发者使用。

Det3D - 提供多数据集和算法支持的3D目标检测工具箱

3D对象检测Det3DGithubKITTIPointPillarsPyTorch开源项目

Det3D是一款基于PyTorch的3D目标检测工具箱，支持多个数据集如KITTI、nuScenes、Lyft，并实现了多种3D目标检测算法如PointPillars、SECOND、PIXOR等。其特点包括高性能、支持分布式训练和同步批归一化，以及灵活的模型配置和可视化工具。Det3D适合自动驾驶、机器人和增强现实等领域的研究人员和开发者。

lite.ai.toolkit - C++ AI模型工具包，包括目标检测、面部识别、图像分割和抠图等

GithubLite.Ai.ToolKit人脸识别分割开源项目抠图模型检测

一款轻量级的C++工具包，支持多种AI模型，包括目标检测、面部识别、图像分割和抠图等。依赖最小，仅需OpenCV和ONNXRuntime，兼容GPU和CPU设备，提供300多种C++实现和500多种预训练模型，易于使用和集成。

texify - OCR技术驱动的数学方程图像转LaTeX解决方案

GithubHuggingfaceLaTeXOCRtexify开源项目文字转换方程图像识别模型

作为一个开源项目，Texify为数学公式的数字化提供了创新解决方案。它通过OCR技术将方程图像和文本转换为LaTeX格式，支持多种复杂数学符号和表达式的识别。这一工具在学术研究、教育和科技写作等领域具有广泛应用，能够显著提升数学公式处理的效率。Texify的开源特性也为社区贡献和持续改进提供了机会。

YuzuMarker.FontDetection - 中日韩字体识别模型和场景文本图像数据集生成

CJK字体识别GithubYuzuMarker.FontDetection开源数据集开源项目数据生成模型训练

YuzuMarker.FontDetection 项目提供了一个专门针对中日韩字体识别的模型，并详尽介绍了生成场景文本图像数据集的方法。用户可以利用CJK字体包和背景图片自动生成所需的数据集，项目现已开源数据集供下载，支持多种字体渲染技术和模型训练选项，有助于提升字体识别的准确性。更多信息请访问项目官网和文档。

deepdetect - 用C++11编写的机器学习API和服务器，支持如Caffe、Tensorflow、Pytorch等多种深度学习框架

APIDeepDetectGithub图像分类开源项目机器学习深度学习

DeepDetect是一个用C++11编写的机器学习API和服务器，支持如Caffe、Tensorflow、Pytorch等多种深度学习框架。它专注于易用性和高性能，支持分类、目标检测、分割、回归等任务，适用于图像、文本和时间序列数据。该工具可自动将模型转换为嵌入式平台（如TensorRT、NCNN），无需数据库，所有数据和模型参数均存储在文件系统中。DeepDetect通过JSON格式通信，提供Python和Javascript客户端，易于集成到现有应用中。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com