trocr-base-stage1

以Transformer为基础的图像文字识别预训练模型

Hugging Face 文本Transformer 开源项目光学字符识别 TrOCR 模型 Huggingface 图像Transformer Github

此预训练模型使用Transformer进行光学字符识别（OCR），为TrOCR模型的一部分。其图像编码器采用BEiT权重初始化，文本解码器则使用RoBERTa权重，处理图像为固定大小的16x16像素块并线性嵌入。适用于单行文本图像的OCR任务，并支持针对特定任务进行微调，兼容PyTorch实现。

Transformer-from-scratch - 简洁实现Transformer模型的入门教程

GithubLLMPyTorchTransformer开源项目模型训练自然语言处理

该项目展示了如何用约240行代码实现Transformer模型,包含基于PyTorch的训练演示和详细的Jupyter Notebook。使用450Kb样本数据集,在单CPU上20分钟内完成训练,帮助初学者理解大型语言模型的原理和实现过程。

vit_base_patch16_224.orig_in21k_ft_in1k - 基于ImageNet大规模数据集的Vision Transformer模型

GithubHuggingfaceImageNetPyTorchVision Transformertimm图像分类开源项目模型

该Vision Transformer模型经过ImageNet-21k数据集预训练并在ImageNet-1k上微调，采用86.6M参数，适用于224x224图像的分类与特征提取。最初由论文作者在JAX上训练，并由Ross Wightman移植到PyTorch环境，可应用于图像分类和嵌入场景。

PaddleOCR2Pytorch - 开源工具实现PaddleOCR模型向PyTorch框架的转换

GithubOCR系统PaddleOCR多语言识别开源项目文本检测文本识别

PaddleOCR2Pytorch是一个开源项目，致力于将PaddleOCR模型转换为PyTorch框架可用的版本。项目支持多种OCR算法，涵盖文本检测、方向分类和文本识别，同时提供丰富的预训练模型。它不仅使PyTorch用户能够便捷使用PaddleOCR的优质模型，还为跨深度学习框架的模型转换提供了实用参考。

tessdoc - 多语言支持的开源文字识别引擎

GithubOCRTesseract开源软件开源项目文字识别机器学习

Tesseract是一款功能强大的开源OCR引擎，支持100多种语言和35种以上的文字。它提供命令行和API接口，可从图像中精确提取文本。Tesseract采用LSTM神经网络技术，具有高度可定制性，并配备完善的训练测试工具。该引擎可跨平台使用，包括移动设备，为开发者提供了灵活的文字识别解决方案。

bros-base-uncased - 整合文本布局的文档信息提取预训练语言模型

BROSGithubHuggingface光学字符识别开源项目文本布局分析文档信息提取模型预训练语言模型

BROS是一种创新的预训练语言模型，结合了文本内容和空间布局信息，以提升文档关键信息提取的效果。该模型能够处理OCR识别后的文本和边界框数据，适用于多种文档分析任务，例如从收据中提取商品清单。BROS提供base和large两种规模的模型，参数量分别约为110M和340M。这一开源项目已在Hugging Face平台上发布，为研究人员和开发者提供了强大的文档信息提取工具。

dinov2-small-imagenet1k-1-layer - 视觉特征学习的Transformer模型

DINOv2GithubHuggingfaceVision Transformer图像分类开源项目模型特征提取自监督学习

DINOv2方法无监督预训练的Vision Transformer，适用于影像特征学习增强场景。此小尺寸模型能在ImageNet-1k数据集上执行分类任务，通过提取特征来辅助下游任务。尽管模型未包含微调头，但可附加线性层进行标准分类，适合高精度视觉特征需求的应用。

mmocr - 一个基于 PyTorch 和 mmdetection 的用于文本检测、文本识别以及相应的下游任务，包括关键信息提取的开源工具箱

GithubMMOCROpenMMLabPyTorch开源项目文本检测文本识别

MMOCR是一个基于PyTorch和mmdetection的开源工具箱，提供全面的文本检测、文本识别及信息提取解决方案。它支持多种先进模型和模块化设计，允许用户自定义优化器、数据预处理和模型组件。最新版本v1.0.0新增支持SCUT-CTW1500、SynthText和MJSynth数据集，更新了FAQ和文档，并添加了新教程笔记本。适用于PyTorch 1.6+，欢迎研究人员和开发者贡献改进。

layoutlm-base-uncased - LayoutLM模型融合文本布局图像信息提升文档AI效能

GithubHuggingfaceLayoutLM开源项目文本布局文档AI文档理解模型预训练模型

LayoutLM是一种文档AI预训练模型，结合文本、布局和图像信息，提升文档图像理解和信息提取能力。该模型在表单和收据理解等任务中表现优异。LayoutLM-base-uncased版本采用12层结构，768维隐藏层，12个注意力头，共113M参数，经1100万份文档2轮训练。这一模型为文档AI领域带来突破，提高了复杂文档处理效率。

table-transformer-detection - Table Transformer：先进的文档表格检测模型

GithubHuggingfaceTable Transformer图像处理开源项目文档分析模型深度学习表格检测

Table Transformer是一个专门用于文档表格检测的开源模型。它基于DETR架构，在PubTables1M数据集上训练，能够有效地从非结构化文档中识别和定位表格。该模型采用Transformer结构，支持多种文档格式的处理。Table Transformer提供了简洁的API，方便开发者集成表格检测功能。凭借其在准确性和性能方面的优异表现，Table Transformer成为文档分析和信息提取领域的重要工具。

bert-base-uncased - BERT基础版无大小写区分的预训练英语语言模型

BERTGithubHuggingface开源项目文本分类机器学习模型自然语言处理预训练模型

BERT-base-uncased是一个在大规模英语语料上预训练的基础语言模型。该模型不区分大小写，通过掩码语言建模和下一句预测两个目标进行训练，学习了英语的双向语义表示。它可以为序列分类、标记分类、问答等下游任务提供良好的基础，适合进一步微调以适应特定应用场景。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com