Logo
Project Icon

trocr-large-handwritten

TrOCR：大规模预训练的手写文本识别模型

模型图像文字识别IAM数据集TrOCRGithubTransformer模型手写识别Huggingface开源项目

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。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
TexTeller - 端到端公式识别模型 支持多种输入格式
GithubOCRTexTeller公式识别图像处理开源项目机器学习
TexTeller是一个基于TrOCR的公式识别模型，可将图像转换为LaTeX公式。该模型使用8000万对图像-公式数据训练，具备优秀的泛化能力和准确度。TexTeller支持多种输入格式，包括扫描图像、手写公式和中英文混合公式，还提供中英文印刷体OCR功能。此外，项目集成了公式检测、段落识别和Web演示界面，便于与其他项目整合。
Transformer_Tracking - 视觉追踪中Transformer应用的全面综述和前沿动态
GithubTransformer开源项目深度学习目标检测视觉跟踪计算机视觉
本项目汇总了Transformer在视觉追踪领域的应用进展,包括统一追踪、单目标追踪和3D单目标追踪等方向。内容涵盖最新研究论文、技术趋势分析、基准测试结果以及学习资源,为相关研究人员和从业者提供全面的参考信息。重点关注自回归时序建模、联合特征提取与交互等前沿技术,展现了视觉追踪的最新发展动态。
table-transformer-structure-recognition - Table Transformer表格结构识别模型
DETRGithubHuggingfaceTable Transformer对象检测开源项目模型深度学习表格识别
Table Transformer是一个基于DETR架构的表格结构识别模型，在PubTables1M数据集上微调。它能有效检测表格中的行、列等结构元素，适用于非结构化文档中的表格提取。这个开源模型可用于改进文档分析和信息提取流程。作为一种先进的图像识别和机器学习技术，Table Transformer为表格结构识别任务提供了新的解决方案。
pix2text-mfr - 精确数学公式识别，转换为LaTeX文本
GithubHuggingfaceLaTeXPix2TextTrOCR开源项目数学公式识别模型模型性能
Pix2Text-MFR模型基于TrOCR架构，支持将数学公式图片转化为LaTeX文本，适用于印刷体和手写公式的高效识别。最新版Pix2Text V1.0提升了模型精度，但该模型的使用面仅限于数学公式图片。
x-transformers - 轻量级Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种从图像分类到语言模型的应用
Githubtransformerx-transformers开源项目模型训练编码器编解码器
x-transformers提供了多功能的Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种应用，从图像分类到语言模型。其先进技术如闪存注意力和持久内存，有助于提高模型的效率和性能。此项目是研究人员和开发者的理想选择，用于探索和优化机器学习任务中的Transformer技术。
surya_rec - surya项目专用的多语言文本识别模型
GithubHuggingfaceOCRsurya图像处理开源项目文本识别模型计算机视觉
surya_rec是一个开源的文本识别模型，基于cc-by-nc-sa-4.0许可发布。该模型作为surya项目的一部分，专注于多语言文本的识别和提取。surya_rec采用深度学习技术，旨在高效识别和提取多语言文本内容，支持文档分析和信息提取。模型注重准确性和性能，为开发者提供强大的OCR解决方案。有兴趣的开发者可通过surya项目的GitHub仓库了解更多详情和使用方法。
transformers - 机器学习库，覆盖文本、视觉与音频处理
GithubHugging Face人工智能多模态开源项目机器学习自然语言处理
探索🤗 Transformers——一个功能全面的机器学习库，覆盖文本、视觉与音频处理。该库提供数千种可对接JAX、PyTorch或TensorFlow的预训练模型，适用于多种语言处理与多模态任务。主要功能包括： - 文本分类 - 信息提取 - 问答系统 - 摘要生成 - 翻译 - 文本生成 此外，还能处理表格问答、OCR及视觉问答等多模态任务。Transformers库易于使用，支持模型间的快速切换与无缝整合。
layoutlmv2-large-uncased - 提升多模态文档处理能力的先进预训练模型
GithubHuggingfaceLayoutLMv2图像理解多模态开源项目文档AI模型预训练
LayoutLMv2通过整合文本、布局和图像的新预训练任务，增强文档理解能力，广泛应用于FUNSD、CORD等视觉丰富文档项目，提高性能，适合多种下游任务。
h2ovl-mississippi-800m - 紧凑型视觉语言模型，提供出色的文本识别功能
GithubH2OVL-Mississippi-800MHuggingfaceJSON提取OCR性能开源项目文本识别模型视觉语言模型
H2OVL-Mississippi-800M是H2O.ai推出的一款紧凑型视觉语言模型，拥有0.8亿参数，专注于OCR文本识别，表现出色。该模型在OCRBench测试中领先，超越更大规模的模型。基于H2O-Danube的架构，Mississippi-800M扩展了视觉和文本整合能力。通过1900万图文对进行训练，尤其注重OCR、文档理解以及表格和图表的解析，优化紫为OCR任务。
tracr - 开源编译器实现RASP程序到Transformer权重的转换
GithubRASPTracrtransformer开源项目编译器解释性
tracr是一个开源编译工具，可将RASP程序转换为Transformer权重。它通过追踪程序、推断基向量和中间表示，最终生成Haiku模型。tracr支持类别和数值表示，使用BOS标记实现多种操作，并探索了残差流压缩嵌入。研究人员可以利用tracr编译RASP程序，查看中间激活值，深入分析模型行为，为Transformer可解释性研究提供实验平台。
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。

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