Project Icon

DAVAR-Lab-OCR

多模态文档理解开源工具箱

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。

PDF-Extract-Kit - 全面高效的PDF文档内容提取工具包
GithubPDF提取公式识别布局检测开源项目文档内容表格识别
PDF-Extract-Kit是一款集成多种先进技术的PDF内容提取工具包。它结合了LayoutLMv3布局分析、YOLOv8公式检测、UniMERNet公式识别、StructEqTable表格识别和PaddleOCR文字识别等功能,能够准确高效地提取各类PDF文档中的结构化内容。该工具适用于学术论文、教科书、研究报告和财务报表等多种文档类型,即使面对扫描质量欠佳或带有水印的PDF文件,也能保持稳定的提取效果。
OBBDetection - 多框架支持的开源目标检测工具箱 提供灵活表示方法
GithubMMdetectionOBBDetection开源项目深度学习目标检测计算机视觉
OBBDetection是基于MMdetection v2.2的开源目标检测工具箱。它支持多种检测框架,包括RoI Transformer和Gliding Vertex等。该工具箱提供灵活的检测框表示方法,涵盖水平边界框、定向边界框和4点框。OBBDetection实现了S2ANet、Oriented R-CNN等多种最新定向目标检测方法,同时也兼容多种水平检测算法。作为一个全面的目标检测工具,它继承了MMdetection的特性,适用于各种复杂场景的目标检测任务。
llmdocparser - 基于LLM的智能PDF解析与内容分析工具包
GithubLLMDocParserPDF解析多模态模型布局分析开源项目文本分析
LLMDocParser是一款智能PDF解析和内容分析工具包,结合大型语言模型(LLM)技术。该工具采用布局分析模型识别PDF文档中的文本、标题、图表等元素,并通过多模态模型实现智能解析。支持Azure、OpenAI等多种LLM平台,LLMDocParser能高效处理复杂PDF文档,为RAG解决方案提供结构化文本输出,适用于各类文档智能化处理场景。
InternVL - 开源多模态模型包提供商业级性能
GPT-4oGithubInternVLSOTA性能多模态模型开源开源项目
InternVL项目,作为一个领先的开源多模态模型套件,提供可媲美商业模型GPT-4o的性能。该项目开放源代码,支持多语种和高效OCR功能,在多个benchmark中展现出顶尖性能。该平台包括多种模型,如InternVL2-Pro和Mini-InternVL系列,适用于从聊天机器人至复杂多模态文档理解的应用场景。完备的文档资料和快速启动指南为社区成员提供便捷的使用和优化体验。
ScantextAI - 多语言支持的在线图像文字识别转换平台
AI工具OCR技术PDF转换图像转文字多语言支持文本提取
ScantextAI是一个多语言在线OCR平台,支持从多种图像格式中提取文字并转换为可编辑文档。适用于各行业,提供免费服务,注重文件安全和隐私保护。
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。
open-cd - 开源变更检测工具箱,支持多种视觉任务模型
GithubOpen-CDPyTorch变化检测工具箱开源开源项目技术报告
Open-CD是一个基于开源通用视觉工具的变更检测工具箱,支持多种变更检测模型和数据集。项目提供详细文档和示例,支持PyTorch 2.0等工具,并在GitHub和Hugging Face上发布。最新技术报告已在arXiv上线,用户可从Colab教程快速上手,并有详细的安装、训练和测试指南。
mmdetection - MMDetection:基于PyTorch的高效目标检测工具箱
GithubMM-Grounding-DINOMMDetectionOpenMMLabPyTorchRTMDet开源项目
MMDetection是一款专为目标检测、实例分割和全景分割任务设计的工具箱,采用模块化设计,支持多种检测任务,具备高效GPU运算能力。其性能与其他顶级代码库相媲美,且不断保持前沿。结合COCO挑战赛冠军经验,MMDetection提供先进的检测结果,并与MMEngine和MMCV无缝整合,进一步提升研究和应用效果。最新的RTMDet模型在参数-准确率优化及实时实例分割和旋转目标检测上表现出色。
CV - 全面的计算机视觉深度学习模型集合
Github图像分类开源项目深度学习目标检测计算机视觉语义分割
这个项目收集了多个计算机视觉领域的深度学习模型,包括图像分类、目标检测、语义分割和生成模型。项目为每个模型提供论文链接、详细解析和代码实现,涵盖从AlexNet到YOLO系列等经典算法。这是一个面向研究人员和开发者的综合性学习资源,有助于理解和应用先进的计算机视觉技术。
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。
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