#document-analysis Repository
Scopri 33 repository GitHub open source attivi contrassegnati con #document-analysis, che raccolgono un totale di 134,538 stelle (con una media di 4,076 stelle per progetto). Il progetto leader di questo argomento è opendatalab/MinerU, con 84,093 stelle.
33 repository in totale
Trasforma documenti complessi come PDF e documenti Office in markdown/JSON pronti per LLM per i tuoi flussi di lavoro Agentic.
Il repository ufficiale per “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.
L'IA legge i libri: Estrattore e Riassuntore di Conoscenza PDF Pagina per Pagina. lo script esegue un'analisi intelligente pagina per pagina di libri PDF, estraendo metodicamente punti di conoscenza e generando riassunti progressivi a intervalli specificati
Leptonica è una libreria open source contenente software ampiamente utile per applicazioni di elaborazione e analisi di immagini. Il repository GitHub ufficiale per Leptonica è: danbloomberg/leptonica. Vedere leptonica.org per ulteriore documentazione.
Un toolkit on-premises, senza OCR, per l'estrazione di dati non strutturati, la conversione in markdown e il benchmarking. (https://idp-leaderboard.org/)
Una raccolta di idee e algoritmi originali e innovativi per macchine letterarie avanzate. Questo progetto è mantenuto dal Team OCR nel Language Technology Lab, Tongyi Lab, Alibaba Group.
OpenOCR: Un pacchetto di strumenti open‑source per la ricerca e le applicazioni generali di OCR, che integra un benchmark unificato per l'addestramento e la valutazione, sistemi OCR e di analisi dei documenti di qualità commerciale, e riproduzioni fedeli delle implementazioni principali provenienti da un'ampia gamma di articoli accademici.
Piattaforma open-source per estrarre dati strutturati dai documenti utilizzando l'IA.
ChatReviewer: Analizza saggi con ChatGPT, evidenzia punti di forza e di debolezza e suggerisce miglioramenti
Concorso 2019CCF-BDCI Vincitore del Premio per la Migliore Esplorazione Innovativa Campione della sfida di estrazione elementi carta d'identità basata su OCR Team Tianchen Poxiao Codice sorgente della sfida
Dedoc è una libreria (servizio) per l'analisi automatizzata dei documenti e la loro unificazione in un formato uniforme. Estrae automaticamente contenuti, struttura logica, tabelle e metainformazioni da documenti elettronici testuali. (Analisi documenti; Estrazione contenuto documento; Estrazione struttura logica; Parser PDF; Parser documenti scansionati; Parser DOCX; Parser HTML)
Fornisce servizi OCR (Riconoscimento Ottico dei Caratteri) tramite applicazioni web
Dato un PDF accademico, estrai figure, tabelle, didascalie e titoli di sezione.
Science Parse analizza articoli scientifici (in formato PDF) e li restituisce in forma strutturata.
[EMNLP 2025] ViDoRAG: Generazione aumentata da recupero di documenti visivi tramite agenti di ragionamento iterativo dinamico
[ECCV 2026] Un framework basato sulla diffusione per l'OCR di documenti che sostituisce la decodifica autoregressiva con la decodifica a diffusione parallela a livello di blocco.
Codice per l'articolo "PICK: Estrazione di informazioni chiave da documenti utilizzando reti convoluzionali migliorate per l'apprendimento del grafo" (ICPR 2020)
Uno strumento semplice per leggere documenti poco cernuti e riprodurre la loro forma originale.
Questo repository ti permette di addestrare modelli di reti neurali per eseguire il riconoscimento della scrittura a mano su pagina intera end-to-end utilizzando i framework di deep learning Apache MXNet sul dataset IAM.
Domande frequenti
Qual è il repository #document-analysis più popolare su GitHub?
Il progetto open source #document-analysis più alto in classifica su GitHub è opendatalab/MinerU, con 84,093 stelle. Trasforma documenti complessi come PDF e documenti Office in markdown/JSON pronti per LLM per i tuoi flussi di lavoro Agentic.
Quali linguaggi di programmazione sono più utilizzati nei repository #document-analysis?
Tra i progetti #document-analysis più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, JavaScript, Java, C#.
Come viene calcolata la classifica dei repository #document-analysis?
Monitoriamo 33 repository open source attivi contrassegnati con #document-analysis (500+ stelle), per un totale di 134,538 stelle e una media di 4,076 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.