Logo
Project Icon

tr

高效的离线OCR文本识别与文档理解SDK

trOCRCRNNTransformer多模态大模型Github开源项目

tr是一款离线OCR文本识别SDK，核心采用C++开发并提供Python接口，支持多行文本识别和多模态大模型集成。tr结合CRNN与TransformerEncoder，提供高效且资源占用低的OCR解决方案，适用于如弯曲文本和图表等复杂场景。最新版本优化了C++接口、支持Python2、多线程功能，并去除了对opencv-python和Pillow的依赖。提供简洁的下载与安装指引，及详细的示例代码便于快速部署和测试。

访问官网访问官网GithubGithub
介绍相关项目
trax - 代码清晰、高速执行的深度学习库
GithubGoogle BrainReformerTransformerTrax开源项目深度学习
Trax是一个由Google Brain团队维护的端到端深度学习库，专注于清晰代码和高速执行。它提供预训练的Transformer模型和丰富的API文档，支持用户创建和训练自定义模型，并与TensorFlow数据集无缝集成。Trax兼容CPUs、GPUs和TPUs，用户可以通过Python脚本、notebooks和命令行界面轻松使用。
trocr-base-stage1 - 以Transformer为基础的图像文字识别预训练模型
GithubHugging FaceHuggingfaceTrOCR光学字符识别图像Transformer开源项目文本Transformer模型
此预训练模型使用Transformer进行光学字符识别（OCR），为TrOCR模型的一部分。其图像编码器采用BEiT权重初始化，文本解码器则使用RoBERTa权重，处理图像为固定大小的16x16像素块并线性嵌入。适用于单行文本图像的OCR任务，并支持针对特定任务进行微调，兼容PyTorch实现。
license_plate_recognizer - 精准识别车牌文字的OCR模型，适合自动化监控应用
GithubHuggingfaceLicense Plate RecognitionOCRTransformer模型字符错误率开源项目模型自动监控
此模型基于微软的trocr-base-handwritten，专门开发用于从车牌图像中提取文本，特别适用于OCR车牌识别任务，字符错误率为0.0036，适合各类车辆自动化监控系统。利用TrOCR模型并在PawanKrGunjan/license_plates数据集上微调，能高效将图像转换为文本。在低光或者低分辨率下，性能可能下降，且可能会受到不同地区车牌设计差异的影响。
keras-ocr - 基于Keras的开源文本检测和OCR解决方案
Githubkeras-ocr图像处理开源项目文字识别深度学习计算机视觉
keras-ocr是一个开源的文本检测和OCR工具包，集成了CRAFT检测模型和CRNN识别模型。该项目提供高级API用于训练和部署OCR流程，支持Python 3.6+和TensorFlow 2.0.0+环境。keras-ocr自带预训练模型，在COCO-Text验证集上表现接近主流云服务。它为开发者提供了一个灵活、高效且易于使用的OCR开发平台。
EasyOCR - 支持80多种语言文字识别工具
CRNNDBnetEasyOCRGithubOCRPytorch开源项目
EasyOCR是一款支持80多种语言和主要书写系统（如拉丁文、中文、阿拉伯文等）的光学字符识别（OCR）工具。它提供简单的安装和使用指南，帮助快速实现文本检测与识别，适用于多种场景。最新版本增加了Apple Silicon支持并修复了兼容性问题。未来版本将支持手写文本识别，进一步增强其功能。
MapTR - 在线向量化高精度地图快速构建框架
GithubMapTR人工智能开源项目模型自动驾驶高精地图
MapTR是一款高效准确的在线向量化高精度地图构建框架，可应用于自动驾驶系统的复杂场景中。该框架采用统一的置换等效建模方法，结合分层查询嵌入和双向匹配策略，提高了学习过程的稳定性，具备实时推理能力，并在nuScenes和Argoverse2数据集中表现出色。MapTR支持多种地图元素，具备良好的扩展性和灵活性。最新版本MapTRv2提升了性能和收敛速度，并引入了额外的语义中心线，进一步优化下游规划需求。
T-Rex - 融合文本和视觉提示的通用目标检测模型
APIGithubT-Rex2开源项目目标检测视觉提示计算机视觉
T-Rex2是一款融合文本和视觉提示的通用目标检测模型。它突破传统模型局限，具备零样本检测能力，适用于农业、工业和生物医学等领域。该模型支持交互式视觉提示、通用视觉提示和文本提示三种工作流程，满足多样化的目标检测需求。项目提供在线演示和API接口，便于快速体验和集成。
TRex - 高效屏幕文本识别与提取工具
GithubOCRTRexmacOS开源项目文本提取菜单栏应用
TRex是一款功能强大的OCR工具，可从屏幕上的任何内容中提取文字。支持PDF、截图和视频等多种格式，无需网络连接即可使用。该工具提供菜单栏快捷访问、全局快捷键和自定义词库等功能，并支持自动化操作和URL scheme集成。TRex适用于各种工作和学习场景，能够快速、准确地获取文本信息。
trl - 用于大型语言模型微调和对齐的开源工具库
GithubTRLTransformer大语言模型开源项目强化学习微调
TRL是一个开源的全栈工具库，专用于大型语言模型的微调和对齐。它支持监督式微调、奖励建模和近端策略优化等方法，适用于多种模型架构。该库基于Transformers构建，提供灵活的训练器和自动模型类，并集成Accelerate、PEFT等工具实现高效扩展。TRL还提供命令行界面，方便用户进行模型微调和交互。
manga-ocr - 日本漫画光学字符识别工具，支持多种文本处理场景
GithubManga OCRPythonTransformers光学字符识别开源项目日本放送協会
Manga OCR 是一款基于Transformer的自定义端到端模型的光学字符识别工具，专为日本漫画设计。它可以识别垂直和平行文本、带有振假名的文本、覆盖在图像上的文本、各种字体以及低质量图像。Manga OCR 支持一次性识别多行文本，适用于漫画中的文本气泡。同时，该项目还提供与GUI阅读器和HTML覆盖生成工具的集成，便于用户创建完整的阅读和挖掘工作流程。
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