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。

sd-controlnet-mlsd - 结合M-LSD直线检测优化Stable Diffusion的图像生成

ControlNetGithubHuggingfaceM-LSDStable Diffusion开源项目扩散模型条件输入模型

该项目介绍了ControlNet神经网络结构，通过加入M-LSD直线检测等条件来控制大规模扩散模型，适用于Stable Diffusion。ControlNet能够在小数据集下进行稳健学习，且可在个人设备上快速训练。项目提供了多种检查点，涵盖边缘检测、深度估计和关键点检测，丰富了大规模扩散模型的控制方式，有助于推进相关应用的发展，最佳效果在Stable Diffusion v1-5结合使用时体现。

opencv_zoo - OpenCV深度学习模型库及多平台性能评测

GithubOpenCV人工智能应用开源项目模型性能基准深度学习模型计算机视觉

opencv_zoo是一个针对OpenCV DNN优化的深度学习模型库，涵盖人脸检测、目标跟踪、图像分割等多种计算机视觉任务。该项目提供各类预训练模型，并包含多平台性能基准测试结果，便于开发者选择合适模型。此外，项目还提供详细的安装指南和使用示例，有助于快速集成和应用。

PySceneDetect - 自动化视频场景分析与切割工具

GithubPySceneDetectPython库场景分析工具开源项目视频剪辑检测视频处理

作为一个开源项目，PySceneDetect集成了多种视频场景检测算法，包括内容感知和自适应检测。它不仅提供命令行接口，还支持Python API，方便开发者集成到现有工作流程中。该工具能够自动识别视频中的场景变化，实现视频分割、关键帧提取和时间码分析等功能，为视频编辑、内容分析和自动化处理提供了有力支持。

Picture to Text - 智能OCR技术实现在线图片文字快速提取

AI工具OCR技术图像转文字多语言支持文本提取文档数字化

Picture to Text是一款在线图片文字提取工具,采用OCR技术支持多种图片格式和语言。可快速将图片文字转换为可编辑文本,支持批量处理提高效率。工具操作简单,免费无需注册,适合学生、职场人士和研究人员使用。

ocrs - 基于Rust的开源OCR引擎和命令行工具

GithubOCRONNXRust图像文字提取开源项目机器学习

ocrs是一个基于Rust的开源光学字符识别(OCR)库和命令行工具，利用机器学习技术从各类图像中提取文本。它旨在提供一个现代化的OCR引擎，能够处理多种图像类型，并大幅减少预处理工作。ocrs具有跨平台兼容性，支持WebAssembly，使用开放许可数据集训练。目前项目处于早期阶段，支持拉丁字母识别，并计划未来扩展更多语言支持。

Open3D - 支持快速开发的3D数据处理开源库

3D数据处理C++ APIGPU加速GithubOpen3DPython API开源项目

支持快速开发3D数据处理应用的开源库，提供C++和Python接口。核心功能包括3D数据结构、3D数据处理算法、场景重建、表面对齐、3D可视化、基于物理的渲染（PBR）、3D机器学习支持（与PyTorch和TensorFlow兼容）、核心3D操作的GPU加速。适用于Ubuntu、macOS和Windows平台，支持源码编译和pip安装。

pytorch-doc-zh - PyTorch深度学习库中文文档与教程，支持GPU和CPU优化

GPUGithubPyTorchtensor库中文文档开源项目深度学习

OpenPCDet - 开源LiDAR 3D目标检测框架支持多种先进算法和数据集

3D目标检测GithubLiDAROpenPCDet开源项目深度学习点云

OpenPCDet是一个开源LiDAR 3D目标检测框架,支持PointRCNN、PV-RCNN等多种算法。具有简洁设计,兼容多种数据集和模型,在KITTI和Waymo等数据集上提供基准性能。支持分布式训练和多头检测,是功能丰富的3D检测工具箱。

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。

manga-ocr - 日本漫画光学字符识别工具，支持多种文本处理场景

GithubManga OCRPythonTransformers光学字符识别开源项目日本放送協会

Manga OCR 是一款基于Transformer的自定义端到端模型的光学字符识别工具，专为日本漫画设计。它可以识别垂直和平行文本、带有振假名的文本、覆盖在图像上的文本、各种字体以及低质量图像。Manga OCR 支持一次性识别多行文本，适用于漫画中的文本气泡。同时，该项目还提供与GUI阅读器和HTML覆盖生成工具的集成，便于用户创建完整的阅读和挖掘工作流程。

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。

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