DAVAR-Lab-OCR

多模态文档理解开源工具箱

DAVAR-OCR 文字识别文档理解开源代码库算法实现 Github 开源项目

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。

访问官网

Github

介绍相关项目

TF-ID - 开源AI模型助力学术论文表格和图像高效提取

GithubTF-ID图像识别学术论文对象检测开源项目表格识别

TF-ID是一系列用于从学术论文中提取表格和图像的目标检测模型。项目开源了训练代码、模型权重和标注数据集。TF-ID包含四个版本，分为基础和大型模型，可提取有无标题文本的表格和图像。模型基于Florence-2微调，测试准确率达98.06%。项目提供使用示例和完整训练指南，方便研究者复现和应用。

mmaction2 - 开源视频理解工具箱MMAction2基于PyTorch实现

GithubMMAction2OpenMMLab开源项目模型库行动识别视频理解

MMAction2为基于PyTorch的开源视频理解工具箱，涵盖动作识别、动作定位、时空动作检测等多种任务。项目特点包括模块化设计、丰富的模型库以及详尽文档，支持灵活的自定义配置。

mmcv - OpenMMLab开源计算机视觉基础库

GithubMMCVOpenMMLabPyTorch开源项目深度学习计算机视觉

MMCV是一个开源的计算机视觉基础库，提供图像和视频处理、数据转换、CNN架构等功能。支持多平台，包括Linux、Windows和macOS。库中包含高质量的CPU和CUDA操作实现，并提供完整版和精简版两种安装选项。MMCV需要Python 3.7+环境，与PyTorch深度学习框架兼容。

OpenTAD - 多功能时序动作检测工具箱支持多数据集和前沿方法

GithubOpenTADPyTorch开源工具箱开源项目时序动作检测计算机视觉

OpenTAD是一个基于PyTorch的开源时序动作检测工具箱，支持9个TAD数据集。其模块化设计便于复现现有方法和实现新方法，支持基于特征和端到端的训练模式。该项目提供多种预提取特征，实现了多个前沿TAD方法，并在EPIC-KITCHENS-100和Ego4D 2024挑战赛中表现出色。

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。

PaddleOCR-json - 基于PaddleOCR的跨平台离线文字识别组件

APIGithubOCRPaddleOCR-json图像识别开源项目离线组件

PaddleOCR-json是基于PaddleOCR开发的离线文字识别组件,支持Windows和Linux系统。该项目提供简单的API接口,兼容多种编程语言,便于快速集成OCR功能。其特点包括部署便捷、识别迅速、精度较高,支持多语言识别,适用于多种复杂场景的文字识别需求。作为开源项目,PaddleOCR-json为开发者提供了一个灵活高效的OCR解决方案。

Papermerge DMS - 为扫描文档设计的开源OCR文档管理系统

AI工具OCR技术Papermerge开源软件数字档案文档管理系统

Papermerge DMS是一款开源文档管理系统，专为扫描文档和数字档案设计。系统集成OCR技术，支持PDF、TIFF、JPEG等格式文件处理。它提供多用户支持、全文搜索、文档版本控制等功能，界面现代直观。作为数字化解决方案，Papermerge DMS有助于减少纸质文档，提升业务效率。系统还提供REST API，便于根据需求进行扩展。

mmdetection3d - 支持多模态单模态的开源3D目标检测框架

3D目标检测GithubMMDetection3D开源工具箱开源项目点云处理计算机视觉

MMDetection3D是OpenMMLab项目开发的开源3D目标检测框架，基于PyTorch构建。它支持多模态和单模态检测器，适用于室内外3D检测数据集，可与2D检测无缝集成。该框架提供300多种预训练模型、40多种算法实现，以及MMDetection全部功能模块。MMDetection3D不仅可用于研究，还可作为库支持各类3D检测应用开发。

yolov8m-table-extraction - 精准表格识别工具，适用于有框及无框表格检测

GithubHuggingfaceKeremberkeUltralyticsYolo开源项目模型目标检测表格提取

本项目采用YOLOv8与PyTorch技术，专注于表格检测，支持有框和无框样式。通过UltralyticsPlus库中的'keremberke/yolov8m-table-extraction'模型，可以简单地进行安装和预测分析，验证集上的平均精度为0.95194。项目提供详尽的使用指南，包括模型参数设置及推理步骤，帮助用户快速获取稳定的检测结果。

open-parse - 高效复杂文档解析和语义分析库

AI应用GithubMarkdown支持Open Parse开源项目文档解析语义处理

Open Parse是一个开源的文档解析库，专注于处理复杂文档结构。它采用视觉分析方法识别文档布局，实现精确分块。该工具支持Markdown语法，具备高精度表格解析能力，并允许用户自定义后处理步骤。Open Parse集成了语义处理功能，能够模拟人类的文档分割方式，为RAG系统和AI应用提供了强大的文档处理基础。

相关项目

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。

使用协议隐私政策广告服务

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