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。

lilt-roberta-en-base - 多语言文档理解的语言无关布局变换器
GithubHuggingfaceLiLTRoBERTa布局转换器开源项目文档理解模型模型集成
LiLT-RoBERTa将预训练的RoBERTa模型与轻量级的布局变换器结合,适用于处理多语言的文档图像分类、解析及问答任务,适合在结构化文档理解中应用。用户可在模型库中寻找适合特定任务的微调版本。
kraken - 优化历史文献和多语言文本识别的开源OCR系统
GithubOCR系统kraken历史文字识别开源项目文本识别非拉丁文识别
kraken是一个开源OCR系统,专注于历史文献和非拉丁文本识别。该系统提供可训练的布局分析、阅读顺序识别和字符识别功能,支持多种文字方向和脚本。kraken能够输出多种格式,并提供公共模型库和灵活的识别网络架构。该项目与eScriptorium密切合作,为用户提供全面的文本数字化解决方案。kraken目前支持Linux和Mac OS X平台。
TextRecognitionDataGenerator - 多语言文本识别数据生成工具
GithubOCRTextRecognitionDataGenerator合成数据图像生成开源项目文本识别
TextRecognitionDataGenerator是一款开源的文本识别数据生成工具。支持多种语言如拉丁文、中文和日文等,可自定义字体、背景、文本扭曲和模糊效果。工具提供命令行界面和Python模块,便于集成到训练流程中。适用于OCR和文本识别模型的数据集制作,支持手写体文本生成功能。
donut-base - Donut模型:革新文档理解的图像到文本AI技术
DonutGithubHuggingface图像到文本开源项目文档理解模型深度学习计算机视觉
Donut是一种创新的文档理解模型,无需OCR即可直接从图像生成文本。它结合了Swin Transformer视觉编码器和BART文本解码器,高效处理多种文档图像。这个预训练基础模型可针对文档分类、信息提取等任务进行微调,在文档智能处理领域应用广泛。作为开源项目,Donut为AI研究和开发提供了强大的文档处理工具。
OCRmyPDF - 扫描PDF文件的OCR转换与优化工具
GithubOCRmyPDFPDF文档多语言支持开源软件开源项目文字识别
OCRmyPDF是一款开源的命令行工具,专门用于为扫描PDF文件添加OCR文本层。它支持多语言识别、页面旋转和倾斜校正,并能生成符合长期存储标准的PDF/A文件。此工具可优化PDF图像,常常生成比原文件更小的输出。OCRmyPDF利用多核处理技术,能高效处理大型文档,已在数百万PDF文件上得到验证。它为用户提供了将不可搜索的扫描文档转换为可搜索、可复制的PDF文件的简便方法。
Umi-OCR_v2 - 开源多语言OCR软件 支持批量处理和自定义识别
GithubUmi-OCR仓库迁移开源项目版本更新项目重构
Umi-OCR是一款开源的光学字符识别软件,支持多语言识别、批量处理和自定义识别区域。项目已完成v2版本重构并发布2.0.0正式版,迁移至主仓库继续更新。Umi-OCR作为长期项目,将持续优化识别精度和用户体验。
Text-to-Image - 开源SDXL文本生成图像模型支持自定义训练及API调用
GithubHuggingfaceLoRASDXL图像生成开源项目文生图模型稳定扩散
该项目为基于stable-diffusion-xl-base-1.0的LoRA微调模型,通过madebyollin/sdxl-vae-fp16-fix进行VAE训练优化。项目提供Hugging Face API接口,开发者可使用Python实现文本到图像的转换功能。模型采用Safetensors格式发布,方便开发者进行集成部署和二次开发
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。
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。
dinov2-small - 小型Vision Transformer模型用于无监督视觉特征学习
DINOv2GithubHuggingfaceVision Transformer图像特征提取开源项目模型自监督学习计算机视觉
DINOv2-small是一个基于Vision Transformer架构的小型模型,通过无监督学习方法训练。该模型将图像分割为固定大小的块,并使用Transformer编码器处理,能够提取强大的视觉特征。作为预训练模型,它不包含特定任务的微调头,主要用于特征提取。研究者可以在此基础上添加任务相关的分类层,以适应不同的下游视觉应用。
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

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。

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