#text-recognition Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #text-recognition, cumulant 69,347 étoiles au total (soit une moyenne de 2,773 étoiles par projet). Le projet en tête de ce thème est datalab-to/surya, avec 21,608 étoiles.
25 dépôts au total
OCR, analyse de la mise en page, ordre de lecture, reconnaissance des tableaux dans plus de 90 langues
docTR (Document Text Recognition) - une bibliothèque fluide, performante et accessible pour les tâches liées à l'OCR, basée sur le Deep Learning. Développement et maintenance continus assurés par t2k.
Une collection d'applications exemples pour montrer comment utiliser les API ML Kit de Google sur Android et iOS
Reconnaissance de texte (reconnaissance optique de caractères) avec des méthodes d'apprentissage profond, ICCV 2019
Un générateur de données synthétiques pour la reconnaissance de texte
AdelaiDet est une boîte à outils open source pour les tâches de détection et de reconnaissance multiples au niveau des instances.
Un wrapper pour travailler avec Tesseract OCR à l'intérieur de PHP.
C-OCR est un projet OCR développé en interne par Ctrip, qui inclut principalement la reconnaissance de documents et de matériaux liés aux voyages tels que les cartes d'identité, passeports, billets de train, visas, etc. Le projet comprend 4 parties : rejet, détection, reconnaissance et post-traitement.
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.
Tika-Python est une liaison Python aux services REST d'Apache Tika™ permettant d'appeler Tika nativement au sein de la communauté Python.
Bibliothèque d'outils OCR basée sur Pytorch, prenant en charge les algorithmes courants de détection et de reconnaissance de texte
🌝 MLKit est une boîte à outils puissante et facile à utiliser. Avec ML Kit, vous pouvez facilement implémenter des fonctionnalités telles que la reconnaissance de texte, la reconnaissance de codes-barres, le marquage d'images, la détection de visages, la détection d'objets, etc.
Jeu de données Total Text. Il se compose de 1555 images avec plus de 3 orientations de texte différentes : horizontale, multi-orientée et courbe, unique en son genre.
Reconnaissance de texte de scène avec des modèles de séquence autorégressifs permutés (ECCV 2022)
OCR rapide et hors ligne pour Node.js et C++. PP-OCRv6 avec accélération matérielle Core ML / WebGPU — reconnaissez le texte dans les images avec des scores de confiance et des coordonnées. npm : @arcships/light-ocr
Décodeur de Classification Temporelle Connexionniste (CTC) avec dictionnaire et modèle de langage.
[Projet Open-Source] Combinaison de MMOCR avec Segment Anything & Stable Diffusion. Détection, reconnaissance et segmentation automatiques des instances de texte, avec plusieurs tâches en aval, par exemple Suppression de texte et Inpainting de texte.
Captures d’écran, enregistrement vidéo de l’écran et reconnaissance de texte (OCR) pour macOS, Windows et Linux.
Implémentation officielle de SynthTIGER (Synthetic Text Image Generator), ICDAR 2021
Outil CLI macOS pour l'OCR et les PDF interrogeables utilisant le framework Vision d'Apple
Foire aux questions
Quel est le dépôt #text-recognition le plus populaire sur GitHub ?
Le projet #text-recognition open source le mieux classé sur GitHub est datalab-to/surya, avec 21,608 étoiles. OCR, analyse de la mise en page, ordre de lecture, reconnaissance des tableaux dans plus de 90 langues
Quels langages de programmation sont les plus utilisés dans les dépôts #text-recognition ?
Parmi les projets #text-recognition les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Kotlin, Java.
Comment le classement des dépôts #text-recognition est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #text-recognition (500+ étoiles), totalisant 69,347 étoiles, avec une moyenne de 2,773 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.