#document-analysis Dépôts
Découvrez 33 dépôts GitHub open source actifs associés à #document-analysis, cumulant 134,538 étoiles au total (soit une moyenne de 4,076 étoiles par projet). Le projet en tête de ce thème est opendatalab/MinerU, avec 84,093 étoiles.
33 dépôts au total
Transforme des documents complexes comme les PDF et les documents Office en markdown/JSON prêt pour LLM pour vos flux de travail Agentic.
Le dépôt officiel pour « Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting », ACL, 2025.
L'IA lit des livres : Extracteur et résumeur de connaissances PDF page par page. le script effectue une analyse intelligente page par page de livres PDF, extrayant méthodiquement des points de connaissance et générant des résumés progressifs à des intervalles spécifiés
Leptonica est une bibliothèque open source contenant des logiciels largement utiles pour les applications de traitement et d'analyse d'images. Le dépôt GitHub officiel de Leptonica est : danbloomberg/leptonica. Consultez leptonica.org pour plus de documentation.
Une boîte à outils sur site, sans OCR, pour l'extraction de données non structurées, la conversion en markdown et le benchmarking. (https://idp-leaderboard.org/)
Une collection d'idées et d'algorithmes originaux et innovants pour des machines littéraires avancées. Ce projet est maintenu par l'équipe OCR du Language Technology Lab, Tongyi Lab, Alibaba Group.
OpenOCR : un kit d’outils open‑source pour la recherche et les applications générales de OCR, intégrant un benchmark d’entraînement et d’évaluation unifié, des systèmes OCR et de traitement de documents de qualité professionnelle, ainsi que des reproductions fidèles des implémentations clés provenant d’un large éventail d’articles académiques.
Plateforme open-source pour extraire des données structurées à partir de documents à l'aide de l'IA.
ChatReviewer : Analyse des articles avec ChatGPT, en soulignant les avantages et les inconvénients et en proposant des suggestions d'amélioration
Concours 2019CCF-BDCI Lauréat du Prix de la Meilleure Exploration Innovante Champion du sujet d'extraction d'éléments de carte d'identité basée sur OCR Équipe Tianchen Poxiao Code source du sujet
Dedoc est une bibliothèque (service) pour l'analyse automatisée des documents et leur unification dans un format uniforme. Il extrait automatiquement le contenu, la structure logique, les tableaux et les métadonnées des documents électroniques textuels. (Analyse de documents ; Extraction de contenu de document ; Extraction de structure logique ; Analyseur PDF ; Analyseur de documents numérisés ; Analyseur DOCX ; Analyseur HTML)
Fournit des services OCR (Reconnaissance Optique de Caractères) via des applications web
Étant donné un PDF académique, extrayez les figures, les tableaux, les légendes et les titres de section.
Science Parse analyse les articles scientifiques (sous forme PDF) et les retourne sous une forme structurée.
[EMNLP 2025] ViDoRAG : Génération Augmentée par Récupération de Documents Visuels via des Agents de Raisonnement Itératif Dynamique
[ECCV 2026] Un framework basé sur la diffusion pour l'OCR de documents qui remplace le décodage autorégressif par un décodage de diffusion parallèle au niveau des blocs.
Assemblyline 4 : Triage de fichiers et analyse de logiciels malveillants
Code pour l'article "PICK : Extraction d'informations clés à partir de documents à l'aide de réseaux convolutifs d'apprentissage amélioré sur graphes" (ICPR 2020)
Un outil simple pour lire les documents mal redactés et reproduire leur forme originale.
Ce dépôt vous permet d'entraîner des modèles de réseaux de neurones pour effectuer une reconnaissance d'écriture manuscrite de page entière de bout en bout en utilisant les frameworks d'apprentissage profond Apache MXNet sur le dataset IAM.
Foire aux questions
Quel est le dépôt #document-analysis le plus populaire sur GitHub ?
Le projet #document-analysis open source le mieux classé sur GitHub est opendatalab/MinerU, avec 84,093 étoiles. Transforme des documents complexes comme les PDF et les documents Office en markdown/JSON prêt pour LLM pour vos flux de travail Agentic.
Quels langages de programmation sont les plus utilisés dans les dépôts #document-analysis ?
Parmi les projets #document-analysis les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, Java, C#.
Comment le classement des dépôts #document-analysis est-il calculé ?
Nous suivons 33 dépôts open source actifs associés à #document-analysis (500+ étoiles), totalisant 134,538 étoiles, avec une moyenne de 4,076 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.