Project Icon

trocr-large-handwritten

TrOCR:大规模预训练的手写文本识别模型

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。

10.5B_v1 - 介绍最前沿的自然语言处理开源项目
GithubHuggingfacetransformers卡片开源项目模型训练评估
本页面介绍了在🤗transformers平台上发布的自然语言处理模型,支持直接与下游应用。页面提供模型使用指导、性能评估、环境影响及技术规格信息,帮助用户合理利用模型的同时意识到潜在的偏见、风险和局限。
resnet-152-text-detector - 基于ResNet-152的高效图像文本检测深度学习模型
GithubHuggingfaceResNet-152图像分类开源项目文本检测模型深度学习计算机视觉
ResNet-152 Text Detector是一个基于ResNet-152架构的深度学习模型,用于快速判断图像是否包含可读文本。该模型在COCO-Text和LLaVAR数据集上训练,使用约14万张图像,其中50%含文本,50%不含文本。模型采用300x300输入分辨率,使用AdamW优化器,学习率为5e-5,训练3个epochs。通过简单的Python代码,开发者可以轻松集成此模型,实现二元分类的图像文本检测功能。
llava-v1.6-34b-hf - 图像与文本交互的多模态AI模型
GithubHuggingfaceLLaVa-NeXTNous-Hermes-2-Yi-34B光学字符识别多模态聊天机器人开源项目模型视觉指令微调
LLaVa-NeXT模型结合大规模语言模型与视觉编码器,通过提高图像分辨率和优化数据集,增强了OCR和常识推理能力,适用于多模态对话应用场景。支持图像字幕生成和视觉问答,提供双语功能与商业许可保障。
watermark_detector - 图像水印检测模型,基于Google ViT基础模型
GithubHuggingfacewatermark_detector准确率开源项目模型训练超参数
模型通过微调谷歌的ViT基础模型,用于提高图片水印检测的准确率,在评估集上取得了0.6574的准确度。训练过程中使用了最新的Transformers和Pytorch框架,包含优化参数与学习率调度,提升了训练效率。
vision_transformer - 视觉Transformer和MLP-Mixer模型库 高性能图像识别
FlaxGithubJAXMLP-MixerVision Transformer图像识别开源项目
项目包含多种视觉Transformer(ViT)和MLP-Mixer模型实现,提供ImageNet和ImageNet-21k预训练模型及JAX/Flax微调代码。通过交互式Colab笔记本可探索5万多个模型检查点。这些高性能图像分类模型代表了计算机视觉的前沿进展。
Transformers-Tutorials - Transformers库深度学习模型教程集合
GithubHuggingFaceTransformers开源项目深度学习自然语言处理计算机视觉
这个项目汇集了基于HuggingFace Transformers库的多种深度学习模型教程,涵盖自然语言处理和计算机视觉等领域。内容包括BERT、DETR、LayoutLM等模型的微调和推理示例,展示了在图像分类、目标检测、文档分析等任务中的应用。所有代码采用PyTorch实现,并提供Colab notebooks方便实践。
t5-large-medium - 基于Transformer的日文预训练模型,提高NLP任务性能
GithubHuggingfaceRetrievaT5 v1.1Transformer开源项目日语模型预训练
该T5 v1.1模型基于Transformer架构,专为日文语料进行预训练。通过使用GEGLU激活函数代替ReLU,提升了文本生成质量。模型在预训练时关闭Dropout以提升泛化能力,微调时可重启。训练数据包括mC4/ja和日本Wikipedia,确保日文内容的纯净性。此大型模型拥有约7.7亿参数,适用于广泛的日文自然语言处理任务,表现出优异的性能与适应性。
mt5-large - 多语言文本转换模型支持101种语言处理
GithubHuggingfacemT5多语言模型开源项目机器学习模型自然语言处理预训练
mt5-large是基于Google's mT5架构开发的大规模多语言预训练模型。该模型在覆盖101种语言的mC4语料库上训练,可处理中文、英语、法语等多语言任务。mt5-large采用统一的文本到文本格式,在多语言NLP基准测试中表现出色。值得注意的是,该模型需要针对特定下游任务进行微调后才能使用。mt5-large为多语言自然语言处理研究和应用提供了坚实基础,有助于推动跨语言AI技术的发展。
TransnormerLLM - 使用线性注意力机制的大规模语言模型
GithubTransNormerLLM大语言模型开源项目模型权重线性注意力机制高质量语料库
TransNormerLLM是一种高效的大规模语言模型,使用线性注意力机制,优于传统的软注意力模型。该模型训练于高质量语料库,包含1.4万亿个词元,支持中文、英语和多语言基准测试,在多领域表现出色。提供385M、1B和7B参数版本,开放给学术研究,商用需申请许可。
SDT - 生成可定制风格的在线和离线手写体
CVPR 2023GithubSDT写作风格解耦在线中文手写开源项目手写生成
该项目提出了一种名为SDT的风格解缠变压器,可生成具有特定内容和风格的手写体。相较于现有的RNN方法,SDT能够区分书写者和字符的风格差异,提高模仿性能。此外,该项目还延伸至离线手写体生成,显著改进了中文离线手写体的生成质量。最近的更新包括发布教程和代码,支持用户自定义手写体风格合成,新方法One-DM也已被ECCV 2024接收。
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