Project Icon

mindocr

基于MindSpore的开源OCR工具包 实现高效文本检测与识别

MindOCR是一个基于MindSpore的开源OCR开发工具箱,集成主流文本检测和识别算法。该工具箱提供易用的训练和推理接口,加速文本检测识别模型的开发和部署。MindOCR支持DBNet、CRNN等多种算法,采用模块化设计,并提供高性能预训练模型。研究人员和开发者可以利用MindOCR快速构建OCR应用,实现高效的图像文本理解。

Tesseract4Android - 基于 Tesseract 的 Android OCR 库 支持多线程识别
Android开发GithubOCRTesseract4Android图像识别开源项目文字识别
Tesseract4Android 是一个重写的 Android OCR 库,基于 tess-two 项目。该库采用 CMake 构建,兼容最新 Android Studio,集成 Tesseract OCR 5.3.4。它提供标准单线程和 OpenMP 多线程两个版本,满足不同性能需求。Tesseract4Android 简化了 OCR 技术在 Android 应用中的使用,支持多语言识别,并附带示例应用展示基本用法。
LaTeX_OCR_PRO - 基于深度学习的多语言数学公式识别系统
AttentionGithubLaTeX_OCR_PROSeq2Seq开源项目数学公式识别机器学习
LaTeX_OCR_PRO是一个开源的数学公式识别项目,结合Seq2Seq、Attention和Beam Search技术,实现了对标准、中文及手写数学公式的高精度识别。项目提供完整的环境配置、数据处理、模型训练和评估流程,在多项性能指标上达到业界领先水平。此外,LaTeX_OCR_PRO还支持训练过程和注意力机制的可视化,为相关研究和应用开发提供了有力支持。
surya - 开源多语言文档识别与分析工具
GithubOCRSurya多语言识别布局分析开源项目文档处理
Surya是一个开源文档OCR工具包,支持90多种语言的文本识别,性能可与云服务媲美。它提供行级文本检测、布局分析和阅读顺序检测等功能,适用于多种文档类型。Surya不仅识别文本,还能分析文档结构,为文档解析提供全面解决方案。该工具适合研究和个人使用,商业使用需注意相关许可条件。
SmartCropper - 智能图片裁剪库,适用于身份证、名片和文档
GithubSmartCropperTensorFlowopencv开源项目智能图片裁剪机器学习
SmartCropper 是一个智能图片裁剪库,适用于身份证、名片和文档等照片。它使用基于 OpenCV 的智能算法识别边框,提供拖动锚点手动调节选区和放大镜定位功能,并通过透视变换裁剪和矫正选区来还原正面图片。该库支持丰富的 UI 设置,包括辅助线、蒙版、锚点和放大镜等,通过使用 TensorFlow 的 HED 网络优化智能选区算法,提高识别率,尤其适用于大图片的高效裁剪。
zerox - 基于视觉模型的创新文档数字化工具
AIGPTGithubMarkdownZerox OCR开源项目文档处理
Zerox OCR是一款基于视觉模型的文档处理工具,通过将PDF转换为图像并使用GPT模型生成Markdown文本,有效处理复杂布局、表格和图表。与传统OCR服务相比,Zerox在准确度和表格处理方面表现出色,同时保持价格竞争力。该工具支持多种输入方式,提供灵活配置,为文档数字化提供了简单高效的解决方案。
zheye - 智能识别知乎倒立汉字验证码的开源工具
Github卷积神经网络开源项目机器学习知乎验证码识别高斯混合模型
zheye是一个开源项目,专注于识别知乎的倒立汉字验证码。该项目结合了卷积神经网络和高斯混合模型,可准确定位图中的倒立文字。zheye提供完整的训练和测试流程,包括依赖安装、模型训练和验证码评估。作为计算机视觉领域的实践案例,zheye展示了先进的图像识别技术。项目开发目的为学习和研究,使用时需遵守相关协议。
IncarnaMind - 跨文档智能查询与大型语言模型交互系统
GithubIncarnaMindLLM模型多文件查询开源支持开源项目适应性分块
IncarnaMind提供创新的交互平台,允许用户利用GPT等大型语言模型与各类文档(PDF、TXT)进行对话互动。平台特色功能包括采用适应性强的滑动窗口分块技术,实现精准与泛化信息检索,支持多文档同时查询,有效突破单文档限制。完美兼容OpenAI GPT、Anthropic Claude等多种开源LLM,支持多平台和硬件环境。
InternVL - 开源多模态模型包提供商业级性能
GPT-4oGithubInternVLSOTA性能多模态模型开源开源项目
InternVL项目,作为一个领先的开源多模态模型套件,提供可媲美商业模型GPT-4o的性能。该项目开放源代码,支持多语种和高效OCR功能,在多个benchmark中展现出顶尖性能。该平台包括多种模型,如InternVL2-Pro和Mini-InternVL系列,适用于从聊天机器人至复杂多模态文档理解的应用场景。完备的文档资料和快速启动指南为社区成员提供便捷的使用和优化体验。
AdvancedLiterateMachinery - 赋予机器高级智能的先进读写系统
ALMGithubOCR场景文字识别开源项目文档理解视觉语言预训练
AdvancedLiterateMachinery是一个致力于构建高级智能系统的开源项目,旨在赋予机器阅读、思考和创造能力。项目由阿里巴巴集团同义实验室的读光OCR团队维护,涵盖文本识别、文档理解和信息提取等领域。目前,项目专注于开发从图像和文档中读取信息的技术,包含OmniParser、GEM和DocXChain等创新模型,推动人工智能技术的发展。
PaddleOCR-json - 基于PaddleOCR的跨平台离线文字识别组件
APIGithubOCRPaddleOCR-json图像识别开源项目离线组件
PaddleOCR-json是基于PaddleOCR开发的离线文字识别组件,支持Windows和Linux系统。该项目提供简单的API接口,兼容多种编程语言,便于快速集成OCR功能。其特点包括部署便捷、识别迅速、精度较高,支持多语言识别,适用于多种复杂场景的文字识别需求。作为开源项目,PaddleOCR-json为开发者提供了一个灵活高效的OCR解决方案。
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