kraken

优化历史文献和多语言文本识别的开源OCR系统

OCR系统历史文字识别非拉丁文识别 kraken 文本识别 Github 开源项目

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。

访问官网

Github

介绍相关项目

tools-ocr - Tree Hole OCR 高效本地文本识别工具

GithubPDF识别Tree Hole OCR开源项目文本识别本地OCR识别跨平台兼容

Tree Hole OCR是一款基于Paddle OCR模型的本地文本识别工具。无需联网即可快速识别文字，支持PDF、图像和截图识别等多种功能。采用Java和JavaFX开发，具有良好的跨平台兼容性，适用于Mac OS X 12.6及以上系统。该工具依赖于DJL、PyTorch等深度学习框架，集成了OpenCV图像处理库。除基本文本识别外，还支持PDF识别和快捷键截图识别。项目开源，可在GitHub或Gitee上获取源码。

ScantextAI - 多语言支持的在线图像文字识别转换平台

AI工具OCR技术PDF转换图像转文字多语言支持文本提取

ScantextAI是一个多语言在线OCR平台，支持从多种图像格式中提取文字并转换为可编辑文档。适用于各行业，提供免费服务，注重文件安全和隐私保护。

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。

attention-ocr - 基于注意力机制的视觉OCR模型，实现与导出工具

Attention-OCRGithubOCRTensorflow人工智能图像识别开源项目

该项目提供了基于注意力机制的OCR模型，结合了CNN与LSTM，用于图像识别，并能够导出为SavedModel或frozen graph格式。用户可以通过生成TFRecords数据集、训练、测试及可视化等步骤完整运行该OCR系统。项目还支持通过Tensorflow Serving提供REST API服务，并可以在Google Cloud ML Engine上进行模型训练。目前该项目依赖Tensorflow 1.x，未来计划升级到Tensorflow 2。

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。

large-ocr-model.github.io - OCR 技术提升多模态大模型视觉问答性能研究

GithubOCR多模态大型模型开源项目缩放法则视觉问答

本项目研究 OCR 技术对多模态大模型性能的影响。实验表明，OCR 能显著提高模型在视觉问答任务中的表现。研究者构建了 REBU-Syn 数据集，验证了 OCR 领域的缩放法则，并开发了高精度 OCR 模型。这项工作为多模态大模型的应用开辟了新方向，揭示了 OCR 在增强模型能力方面的重要价值。

tesseract-ocr-for-php - 用于PHP的Tesseract OCR封装库

GithubPHPTesseract OCR图像识别多语言支持开源库开源项目

tesseract-ocr-for-php是一个PHP封装库，提供简洁的接口调用Tesseract OCR引擎。该库支持多语言文字识别、自定义配置和多种输出格式(如HOCR、PDF)。适用于文档数字化、图像文字提取等OCR应用场景。通过Composer可快速集成到PHP项目中，简化OCR开发流程。

trocr-base-printed - 基于Transformer的OCR模型专注印刷文本识别

GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目模型自然语言处理

TrOCR是一种基于Transformer的光学字符识别模型，专门针对印刷文本设计。该模型采用图像Transformer编码器和文本Transformer解码器架构，在SROIE数据集上经过微调。TrOCR能高效处理单行文本图像，为OCR任务提供先进解决方案。这个开源项目适用于多种场景，可轻松集成到各类文本识别应用中。

Bob - 在Mac平台上的全功能翻译和OCR工具

BobGithubOCRmacOS开源项目截图识别翻译

Bob为macOS用户提供全方位的翻译与OCR解决方案，支持文本、截图、输入及OCR翻译等多样化功能。整合了主流翻译引擎，如Google翻译和腾讯翻译君，确保准确快速地完成翻译任务。其高效的OCR技术，适用于多种应用场景，简化了文本识别过程。Bob的简洁界面和强大功能，使其成为提升Mac用户工作效率的优选工具。

LaTeX-OCR - 智能数学公式图像转LaTeX代码工具

GithubLaTeX识别pix2tex图像处理开源项目数学公式机器学习

这是一个基于机器学习的系统，可以将数学公式图像转换为相应的LaTeX代码。系统支持命令行工具、图形用户界面、API和Python集成，提供多种使用方式。适用于不同分辨率的图像，自动优化处理以提高识别性能。还包括模型训练指南和数据集生成工具，适用于科研和教育用途。

相关项目

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