Project Icon

trocr-small-printed

基于Transformer的印刷文本OCR模型

trocr-small-printed是一个专为印刷文本设计的OCR模型。该模型采用图像和文本Transformer架构,在SROIE数据集上经过微调,能够从单行文本图像中准确提取文字。它适用于多种印刷文档的文本识别任务,为自动化信息提取提供了有效工具。

manga-ocr-base - 高精度日语漫画OCR模型支持多场景文本识别
GithubHuggingfaceManga OCR图像文本转换开源项目日本漫画日语文字识别模型视觉编码器解码器
manga-ocr-base是一款专为日语漫画开发的OCR模型,采用Vision Encoder Decoder框架。它不仅能识别垂直和水平文本,还可处理带振假名的文字和图像上的叠加文字。该模型适用于多种字体和样式,并能在低质量图像中保持高识别率。除漫画外,它还可用于一般日语印刷文本识别。该开源项目已在GitHub上发布,为日语文本识别领域提供了新的解决方案。
RapidOCR - 开源多语言OCR工具 支持跨平台快速部署
GithubONNXRapidOCR多平台多语言开源OCR开源项目
RapidOCR是一个开源的多平台、多语言OCR工具,具有高速识别和广泛兼容性。该工具支持快速离线部署,采用ONNXRuntime推理引擎,识别速度显著优于PaddlePaddle引擎。RapidOCR内置中英文识别功能,同时支持其他语言的自定义转换。基于深度学习技术,RapidOCR注重轻量化设计和高效性能,适用于快速OCR部署和定制化需求场景。
InternViT-300M-448px - 动态分辨率视觉模型提供高效特征提取和OCR功能
GithubHuggingfaceInternViTOCR能力图像嵌入开源项目模型知识蒸馏视觉基础模型
InternViT-300M-448px是一个经过知识蒸馏的视觉基础模型,具有304M参数量和448x448的动态输入分辨率。该模型支持多图块处理,训练时1-12个,测试时可扩展至40个。通过在LAION、COYO等多个数据集上预训练,并整合额外OCR数据,模型展现出优秀的鲁棒性、文字识别和高分辨率处理能力。它可为多种视觉任务提供高质量的图像特征提取。
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。
simple-ocr-opencv - 基于OpenCV和NumPy的轻量级Python OCR工具
GithubOCROpenCVPython图像识别开源项目机器学习
simple-ocr-opencv是一个基于OpenCV和NumPy的Python OCR工具。它采用矩形模型进行图像分割,使用k-NN算法实现字符分类。项目结构清晰,包含示例代码,支持自定义训练,并提供预标注训练图像和交互式标注功能。开发者可通过example.py快速上手。这个开源项目遵循GNU AGPLv3许可证,适合需要实现基础OCR功能的开发者使用。
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。
mgp-str-base - 多粒度预测的场景文本识别开源模型
GithubHuggingfaceMGP-STR光学字符识别场景文字识别多粒度预测开源项目模型计算机视觉
MGP-STR base-sized model是一个基于ViT和A^3模块的场景文本识别开源模型。它采用多粒度预测方法,包括字符、子词和单词级别,以提高识别精度。该模型在MJSynth和SynthText数据集上训练,适用于复杂场景的OCR任务,并可方便地集成到PyTorch项目中。
tesserocr - Python封装的OCR引擎简化技术集成
GithubOCRPythonTesseract APItesserocr图像识别开源项目
tesserocr是基于Tesseract OCR引擎的Python封装库,通过Cython集成Tesseract C++ API。它提供简洁的Pythonic接口,支持多线程并发,可与Pillow库配合。tesserocr简化了OCR集成,便于开发者在Python项目中实现高效文字识别。该库支持多种图像格式,提供丰富的API功能,包括文本识别、布局分析和方向检测等。tesserocr支持多种语言识别、图像预处理、文本布局分析等高级功能。它还提供了简单的命令行接口,方便快速测试和使用。该库适用于各种OCR应用场景,如文档数字化、图像文本提取和自动化数据录入等。
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。
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。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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。

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