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。

llava-v1.5-7b - 融合视觉与语言的开源多模态AI模型
GithubHuggingfaceLLaVA人工智能图像文本理解多模态模型开源项目模型自然语言处理
LLaVA-v1.5-7B是一个开源的多模态AI模型,通过微调LLaMA/Vicuna实现。该模型整合了视觉和语言处理能力,能够理解图像并进行自然语言对话。LLaVA-v1.5-7B在大规模数据集上训练,包括558K图文对和158K多模态指令数据,并在12个基准测试中表现优异。这个模型主要应用于多模态大模型和聊天机器人的研究,适用于计算机视觉、自然语言处理等领域的研究人员。
Text-Grab - 多功能OCR工具实现屏幕文本快速提取与编辑
GithubOCRWindows应用开源项目快速查找文本提取文本编辑
Text Grab是一款Windows平台的OCR工具,可从屏幕、图像和视频中提取文本。它提供全屏抓取、框选抓取、文本编辑和快速查找等功能,支持本地OCR识别,无需后台运行。该工具还具备文本处理、正则提取和批量图像OCR等功能,适用于提高文字工作效率。
sparrow - 用于从各种文档和图像中高效提取和处理数据的开源工具
GithubLLMOCRRAG管道Sparrow开源项目数据提取
Sparrow是一个开源解决方案,专注于高效从各类文档和图像中提取与处理数据。它通过模块化架构提供独立的服务和优化的流程,支持表格、发票、收据等非结构化数据源。Sparrow的API支持本地语言模型数据提取,可与自定义工作流程集成。
license_plate_recognizer - 精准识别车牌文字的OCR模型,适合自动化监控应用
GithubHuggingfaceLicense Plate RecognitionOCRTransformer模型字符错误率开源项目模型自动监控
此模型基于微软的trocr-base-handwritten,专门开发用于从车牌图像中提取文本,特别适用于OCR车牌识别任务,字符错误率为0.0036,适合各类车辆自动化监控系统。利用TrOCR模型并在PawanKrGunjan/license_plates数据集上微调,能高效将图像转换为文本。在低光或者低分辨率下,性能可能下降,且可能会受到不同地区车牌设计差异的影响。
mmyolo - YOLO算法与实时对象识别工具包
GithubMMYOLOOpenMMLabYOLO系列算法实例分割开源项目目标检测
MMYOLO是一个基于PyTorch和MMDetection的开源工具包,专注于YOLO系列算法,适用于对象检测和旋转对象检测任务。该项目提供统一的基准测试、详细文档和模块化设计,便于用户构建和扩展模型。支持YOLOv5实例分割和YOLOX-Pose等功能,显著提升训练速度,并在RTMDet模型上实现了先进的性能。
cleanlab - 开源工具自动检测和优化机器学习数据集
Githubcleanlab开源项目数据中心AI数据清理机器学习标签错误检测
cleanlab是一款开源的数据中心AI工具包,能够自动检测机器学习数据集中的标签错误、异常值和重复项等问题。该工具适用于图像、文本和表格等各类数据,并支持所有机器学习模型。除了发现数据问题,cleanlab还可以训练更稳健的模型,评估数据质量。基于可靠的理论基础,cleanlab运行高效,操作简便,是优化数据质量和提升模型性能的实用工具。
TextSnatcher - Linux平台高效图像文字识别工具
GithubLinux应用OCRTextSnatcher图像文字识别开源软件开源项目
TextSnatcher是一款为Linux平台开发的开源OCR工具,基于Tesseract OCR 4.x引擎。它支持多语言识别,能快速从图像中提取文字。用户通过简单拖动即可完成文本复制,操作便捷。TextSnatcher界面友好,适用于日常和工作中的各种文字提取需求。该工具效率高,功能实用,为Linux用户提供了便捷的图像文字识别解决方案。
yolov8s-table-extraction - 基于YoloV8的表格检测与提取模型
GithubHuggingfacePyTorchYOLOv8开源项目模型深度学习目标检测表格提取
该项目利用YoloV8技术为表格检测与提取提供了解决方案,适用于有边框及无边框的表格。通过ultralyticsplus库支持,模型安装与操作便捷,精度高达0.98376。项目包含使用指南及多种模型选择,适用于快速而可靠的表格数据提取,是数据分析和管理的理想工具。
trocr-large-handwritten - TrOCR:大规模预训练的手写文本识别模型
GithubHuggingfaceIAM数据集TrOCRTransformer模型图像文字识别开源项目手写识别模型
trocr-large-handwritten是一个基于Transformer架构的大规模手写文本OCR模型,在IAM数据集上进行了微调。它由图像编码器和文本解码器组成,能够准确识别单行手写文本图像。该模型具有强大的性能,可用于手写文本数字化和信息提取,为研究人员和开发者提供了高效的OCR解决方案。
Hierarchical-Localization - 模块化的6自由度视觉定位工具箱实现分层定位方法
Githubhloc图像检索开源项目特征匹配特征提取视觉定位
这是一个用于6自由度视觉定位的开源工具箱。它采用分层定位方法,结合图像检索和特征匹配技术,提供快速、准确和可扩展的定位能力。该工具箱整合了图像匹配和运动恢复结构(SfM)领域的研究成果,可重现多个室内外视觉定位基准的最佳结果,并支持实现和调试新的定位流程。
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。

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