Logo
Project Icon

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。

访问官网访问官网GithubGithub论文论文
介绍相关项目
ultimateALPR-SDK - 车牌识别及多功能车辆特性检测解决方案
AndroidDeep LearningGithubLicense Plate RecognitionNVIDIAUltimateALPR开源项目
结合最新深度学习技术，ultimateALPR-SDK 提供卓越的识别速度和精度。适用于多个操作系统和编程语言，功能包括车牌识别、夜视图像增强、车辆颜色识别等。通过内置计算减少系统成本，无需专用硬件或网络连接，适用于智能交通。支持多平台并附有详细文档和示例程序，帮助开发者迅速上手。
trocr-base-handwritten - 基于Transformer架构的高精度手写文本识别模型
GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目手写文本识别模型
TrOCR是一种基于Transformer架构的光学字符识别模型，专为手写文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器，可准确识别单行手写文本图像。经IAM手写数据集微调后，TrOCR适用于多种手写OCR场景，为文本识别研究和应用提供了有力支持。
DAMO-YOLO - 基于YOLO系列和嵌入包括神经网络架构搜索及轻量级算法在内的多项新技术的对象检测算法
DAMO-YOLOGithub开源项目性能优化检测模型目标检测算法更新
DAMO-YOLO, 阿里巴巴DAMO实验室的先进对象检测技术，基于YOLO系列和嵌入包括神经网络架构搜索及轻量级算法在内的多项新技术，以优化性能和效率。针对广泛行业场景，提供一站式解决方案，从训练到部署全面支持。
openface - 基于深度神经网络的开源免费人脸识别库
API文档GithubOpenFace开源项目深度神经网络面部识别
OpenFace是一个免费开源的人脸识别库，利用深度神经网络技术，支持批量图像表示生成、实时网络演示、图像比较、网络输出可视化和分类器训练等功能。核心代码和模型文件由卡内基梅隆大学开发，并在Apache 2.0许可下发布。该项目获得NSF、Intel、Google等机构的资助，广泛应用于移动应用和学术研究，提供全面的API文档和社区支持。
panoptic-toolbox - PanopticStudio多视角动作捕捉数据处理工具箱
3D关键点GithubPanopticStudio多视角系统开源项目数据集骨骼提取
PanopticStudio Toolbox是一款用于处理多视角人体动作捕捉数据的开源工具箱。它提供了下载、提取和可视化Panoptic Studio数据的功能，包括高清视频和3D关键点数据。该工具箱支持Python和Matlab，可实现3D关键点可视化和图像重投影。此外，它还包含KinopticStudio子系统工具和haggling数据集处理功能。
MLKit - Android机器学习开发的高效工具库
AndroidGithubGoogleMLKit图像识别开源项目机器学习
MLKit是一个Android机器学习工具库，集成了Google的多项视觉识别技术。它支持条码扫描、人脸检测、图像标签和对象检测等功能。开发者无需深厚的机器学习背景，即可通过简单的代码实现复杂功能。此外，MLKit还提供API支持在应用中使用自定义TensorFlow Lite模型，为开发者提供了更多灵活性。
detr-doc-table-detection - 基于DETR模型的文档表格智能识别系统
DETRGithubHuggingface开源项目文档处理模型深度学习目标检测表格检测
detr-doc-table-detection是一个基于DETR架构的文档表格检测模型，能够精准识别有边框和无边框表格。该模型由Taha Douaji开发，采用ICDAR2019数据集训练，适用于各种文档分析场景。模型提供简洁的API接口，便于集成到现有系统中。作为文档信息提取的重要工具，它在提高数据处理效率方面具有显著优势。
DeepSeek-VL - 高性能开源视觉语言模型 多模态理解与复杂场景应用
DeepSeek-VLGithub人工智能多模态理解开源开源项目视觉语言模型
DeepSeek-VL是一个开源视觉语言模型，为实际应用场景而设计。它能处理逻辑图表、网页、公式、科学文献、自然图像等，并在复杂场景中展现智能。模型提供1.3B和7B两种参数规模，支持基础和对话应用，可用于学术研究和商业用途。DeepSeek-VL采用MIT许可证，为研究人员和开发者提供了强大的视觉语言处理工具。
insightface - 综合人脸分析开源工具库
GithubInsightFace人脸对齐人脸检测人脸识别开源项目深度学习
InsightFace是一个综合人脸分析开源工具库,基于PyTorch和MXNet实现。它涵盖人脸识别、检测和对齐等多个任务,提供高效算法、训练数据和网络设计。支持ArcFace、RetinaFace等方法,并包含多种网络骨干。该项目还提供评估流程和预训练模型,适用于人脸分析的研究与应用。
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。
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