#document-analysis Repositories
Entdecke 33 aktive Open-Source-GitHub-Repositories, die mit #document-analysis getaggt sind und insgesamt 134,538 Sterne gesammelt haben (durchschnittlich 4,076 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist opendatalab/MinerU mit 84,093 Sternen.
Insgesamt 33 Repositories
Transformiert komplexe Dokumente wie PDFs und Office-Dokumente in LLM-bereites Markdown/JSON für Ihre Agentic-Workflows.
Das offizielle Repository für „Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting“, ACL, 2025.
KI liest Bücher: Seitenweiser PDF-Wissensextraktor & Zusammenfasser. Das Skript führt eine intelligente seitenweise Analyse von PDF-Büchern durch, extrahiert methodisch Wissenspunkte und generiert schrittweise Zusammenfassungen in festgelegten Intervallen
Leptonica ist eine Open-Source-Bibliothek mit Software, die für Bildverarbeitungs- und Bildanalyseanwendungen breit nützlich ist. Das offizielle GitHub-Repository für Leptonica ist: danbloomberg/leptonica. Weitere Dokumentation finden Sie unter leptonica.org.
Ein On-Premises-Toolkit zur Extraktion unstrukturierter Daten, Konvertierung in Markdown und Benchmarking, ohne OCR. (https://idp-leaderboard.org/)
Eine Sammlung origineller, innovativer Ideen und Algorithmen für fortgeschrittene literarische Maschinen. Dieses Projekt wird vom OCR-Team im Language Technology Lab des Tongyi Lab der Alibaba Group betreut.
OpenOCR: Ein Open‑Source‑Toolkit für allgemeine OCR‑Forschung und -Anwendungen, das ein einheitliches Trainings- und Bewertungbench‑Mark, kommerziell ausgereifte OCR‑ und Dokumenten-Parsing-Systeme sowie treue Reproduktionen der Kernimplementierungen aus einer breiten Palette akademischer Arbeiten integriert.
Open-Source-Plattform zur Extraktion strukturierter Daten aus Dokumenten mittels KI.
ChatReviewer: Analysiert Aufsätze mit ChatGPT, um Vor- und Nachteile aufzudecken und Verbesserungsvorschläge zu machen
2019CCF-BDCI-Wettbewerb Gewinner des Preises für die beste innovative Erkundung Champion des Themas zur OCR-basierten Extraktion von ID-Karten-Elementen Tianchen Poxiao-Team Themen-Quellcode
Dedoc ist eine Bibliothek (Dienstleistung) zur automatisierten Dokumentenanalyse und zur Überführung in ein einheitliches Format. Es extrahiert automatisch Inhalte, logische Struktur, Tabellen und Metainformationen aus textbasierten elektronischen Dokumenten. (Dokumentenanalyse; Extrahierung von Dokumenteninhalten; Extrahierung der logischen Struktur; PDF-Parser; Parser für gescannte Dokumente; DOCX-Parser; HTML-Parser)
Gegeben ein wissenschaftliches PDF, extrahieren Sie Abbildungen, Tabellen, Bildunterschriften und Abschnittstitel.
Science Parse parst wissenschaftliche Arbeiten (in PDF-Form) und gibt sie in strukturierter Form zurück.
[EMNLP 2025] ViDoRAG: Visuelle Dokumenten-Retrieval-Augmented Generation durch dynamische iterative Schlussfolgerungsagenten
[ECCV 2026] Ein diffusionsbasiertes Framework für Dokumenten-OCR, das autoregressives Decodieren durch blockweises paralleles Diffusionsdecodieren ersetzt.
Code für das Paper „PICK: Verarbeitung von Schlüsselinformationen aus Dokumenten mit verbesserten Graphen-Lern-Faltungsnetzwerken" (ICPR 2020)
Ein einfaches Tool zum Lesen schlecht redigierter Dokumente und zur Wiedergabe ihrer ursprünglichen Form.
Dieses Repository ermöglicht es Ihnen, neuronale Netzwerk-Modelle zu trainieren, um eine end-to-end Vollseiten-Handschrifterkennung mit den Apache MXNet Deep-Learning-Frameworks auf dem IAM-Datensatz durchzuführen.
Häufig gestellte Fragen
Welches ist das beliebteste #document-analysis-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#document-analysis-Projekt auf GitHub ist opendatalab/MinerU mit 84,093 Sternen. Transformiert komplexe Dokumente wie PDFs und Office-Dokumente in LLM-bereites Markdown/JSON für Ihre Agentic-Workflows.
Welche Programmiersprachen werden in #document-analysis-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #document-analysis-Projekten auf GitHub sind Python, JavaScript, Java, C# die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #document-analysis-Repositories berechnet?
Wir verfolgen 33 aktive Open-Source-Repositories, die mit #document-analysis getaggt sind (500+ Sterne), mit insgesamt 134,538 Sternen und durchschnittlich 4,076 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.