Project Icon

doctr-crnn-vgg16-bn-fascan-v1

VGG16-CRNN文字识别模型

doctr-crnn-vgg16-bn-fascan-v1是一个基于CRNN架构的文字识别模型,采用VGG16作为特征提取网络。模型通过DocumentFile接口支持图像处理,结合灵活的检测架构选择机制,可实现文档OCR任务。该实现同时支持TensorFlow 2和PyTorch框架,便于开发者快速部署和使用。

inception_resnet_v2.tf_in1k - Inception-ResNet-v2架构的图像分类与特征提取模型
GithubHuggingfaceImageNet-1kinception_resnet_v2timm图像分类开源项目模型特征提取
inception_resnet_v2.tf_in1k是基于Inception-ResNet-v2架构的图像分类模型,在ImageNet-1k数据集上训练。模型拥有5580万参数,13.2 GMACs计算量,适用于299x299像素的输入图像。除图像分类外,该模型还支持特征图提取和图像嵌入功能。它在保持较低计算复杂度的同时提供高精度图像识别能力,适用于多种计算机视觉任务。
surya_rec - surya项目专用的多语言文本识别模型
GithubHuggingfaceOCRsurya图像处理开源项目文本识别模型计算机视觉
surya_rec是一个开源的文本识别模型,基于cc-by-nc-sa-4.0许可发布。该模型作为surya项目的一部分,专注于多语言文本的识别和提取。surya_rec采用深度学习技术,旨在高效识别和提取多语言文本内容,支持文档分析和信息提取。模型注重准确性和性能,为开发者提供强大的OCR解决方案。有兴趣的开发者可通过surya项目的GitHub仓库了解更多详情和使用方法。
DAVAR-Lab-OCR - 多模态文档理解开源工具箱
DAVAR-OCRGithub开源代码库开源项目文字识别文档理解算法实现
DAVAR-Lab-OCR是海康威视研究院DAVAR实验室开发的开源OCR仓库,实现了多项最新学术成果。该工具箱涵盖文本检测、识别和端到端识别等基础OCR任务,同时包含信息提取、表格识别和版面分析等文档理解功能。基于mmdetection和mmcv框架构建,具有良好的兼容性和扩展性,为OCR领域的研究和应用提供了综合解决方案。
Idefics3-8B-Llama3 - 提升视觉文本处理能力的多模态模型
GithubHuggingfaceIdefics3多模态开源项目文档理解模型模型优化视觉文本处理
Idefics3-8B是由Hugging Face开发的开放性多模态模型,支持处理任意图像和文本序列进行文本生成。该模型在OCR、文档理解和视觉推理方面有显著增强,适用于图像描述和视觉问答任务。Idefics3-8B主要通过监督微调进行训练,可能需要多次提示以获得完整回答。与Idefics2相比,Idefics3在文档理解能力上表现更为出色,并增加了视觉标记编码的多项改进和丰富的数据集支持。
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。
dit-base - 面向文档智能处理的自监督预训练图像Transformer模型
DiTGithubHuggingface图像编码开源项目文档分析文档图像转换器模型自监督预训练
DiT-base是一款基于Transformer架构的文档图像处理模型,通过在4200万份文档图像上进行自监督预训练而成。该模型运用掩码补全任务来学习图像的内部表示,可应用于文档分类、表格检测和版面分析等多种任务。DiT-base能够将文档图像编码为向量,为文档智能处理领域的各类应用奠定了基础。
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。
tf_efficientnetv2_m.in21k_ft_in1k - EfficientNetV2的图片识别与特征提取
EfficientNet-v2GithubHuggingface图像分类图像嵌入开源项目模型深度学习特征提取
EfficientNetV2模型在ImageNet-21k数据集上预训练,并在ImageNet-1k上微调,最初使用TensorFlow构建,由Ross Wightman移植至PyTorch。其参数量为54.1M,能够在不同分辨率下实现精确的图像识别,并支持通过timm库执行图像分类、特征提取和嵌入生成等多任务。
DFN5B-CLIP-ViT-H-14 - 高性能图像-文本对比学习模型
CLIPDFN-5BGithubHuggingface图像分类开源项目模型深度学习计算机视觉
DFN5B-CLIP-ViT-H-14是一个基于CLIP架构的图像-文本对比学习模型,通过DFN技术从430亿图像-文本对中筛选出50亿高质量样本进行训练。模型在39个图像分类基准测试中表现优异,平均准确率达69.8%。支持零样本图像分类和跨模态检索,可与OpenCLIP无缝集成。这一模型为计算机视觉和自然语言处理领域提供了有力支持,适用于多种研究和应用场景。
facenet - 基于TensorFlow的高精度面部识别开源项目
FaceNetGithubInception ResNet v1TensorFlow人脸识别开源项目预训练模型
FaceNet,一个基于TensorFlow的开源面部识别项目,采用最新的深度学习技术和数据集(如CASIA-WebFace和VGGFace2)开发。其准确率可达99.65%,并使用MTCNN进行高效的面部对齐。适合需求高级面部识别技术的开发者和科研人员。
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