Git Stars Git Stars

#document-analysis リポジトリ

#document-analysisのタグが付いた、GitHub上の33件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は134,538個で、プロジェクトあたりの平均は4,076個です。このトピックをリードしているのは、84,093個のスターを獲得しているopendatalab/MinerUです。

33
リポジトリ総数
134,538
合計スター数
4,076
リポジトリあたりの平均スター数

リポジトリ合計33件

1
opendatalab/MinerU

PDFやOfficeドキュメントなどの複雑なドキュメントを、LLM対応のmarkdown/JSONに変換し、Agenticワークフローに活用します。

opendatalab
⭐ 84,093 Python 👤 opendatalab Organization 🕐 更新日時 2026-11-20 📅 作成日 2024-02-29
2
bytedance/Dolphin

「Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting」の公式リポジトリ、ACL、2025。

bytedance
⭐ 9,065 Python 👤 bytedance Organization 🕐 更新日時 2026-03-25 📅 作成日 2025-05-13
3
ucbepic/docetl

エージェント型LLM駆動型データ処理およびETLシステム

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 更新日時 2026-11-17 📅 作成日 2024-07-09
4
camelot-dev/camelot

PDFから表データを抽出するためのPythonライブラリ

camelot-dev
⭐ 3,858 Python 👤 camelot-dev Organization 🕐 更新日時 2026-11-21 📅 作成日 2019-07-01
5
echohive42/AI-reads-books-page-by-page

AIは本を読む:ページごとのPDF知識抽出&要約ツール。このスクリプトは、PDFブックのインテリジェントなページごとの分析を実行し、体系的に知識ポイントを抽出し、指定された間隔で段階的な要約を生成します。

echohive42
⭐ 3,453 Python 👤 echohive42 User 🕐 更新日時 2026-10-30 📅 作成日 2024-12-28
6
kba/awesome-ocr

素晴らしい OCR プロジェクトへのリンク

kba
⭐ 3,074 👤 kba User 🕐 更新日時 2024-07-06 📅 作成日 2016-04-27
7
UglyToad/PdfPig

C# で PDF からテキストやその他のコンテンツを読み取り抽出する (PDFBox のポート)

UglyToad
⭐ 2,626 C# 👤 UglyToad Organization 🕐 更新日時 2026-11-10 📅 作成日 2017-11-09
8
DanBloomberg/leptonica

Leptonicaは、画像処理および画像分析アプリケーションに広く役立つソフトウェアを含むオープンソースライブラリです。Leptonicaの公式GitHubリポジトリはdanbloomberg/leptonicaです。詳細については、leptonica.orgを参照してください。

DanBloomberg
⭐ 2,107 C 👤 DanBloomberg User 🕐 更新日時 2026-11-20 📅 作成日 2016-01-13
9
NanoNets/docext

オンプレミス、OCRフリーの非構造化データ抽出、Markdown変換、ベンチマークツールキット。(https://idp-leaderboard.org/)

NanoNets
⭐ 2,086 Python 👤 NanoNets Organization 🕐 更新日時 2026-03-17 📅 作成日 2025-03-25
10
AlibabaResearch/AdvancedLiterateMachinery

高度な文学機械に向けた、オリジナルで革新的なアイデアとアルゴリズムのコレクション。このプロジェクトは、Alibaba GroupのTongyi LabのLanguage Technology LabのOCRチームによって維持されています。

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 更新日時 2026-03-17 📅 作成日 2022-09-28
11
Topdu/OpenOCR

OpenOCR:汎用OCR研究・アプリケーション向けのオープンソースツールキットであり、統一されたトレーニングおよび評価ベンチマーク、商用レベルのOCRおよびドキュメントパースングシステム、そして広範な学術論文からのコア実装の忠実な再現を統合しています。

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 更新日時 2026-09-21 📅 作成日 2024-05-31
12
DocumindHQ/documind

AIを使用してドキュメントから構造化データを抽出するためのオープンソースプラットフォーム。

DocumindHQ
⭐ 1,475 JavaScript 👤 DocumindHQ Organization 🕐 更新日時 2025-05-15 📅 作成日 2024-11-17
13
nishiwen1214/ChatReviewer

ChatReviewer: ChatGPTを使用して論文の長所と短所を分析し、改善提案を行う

nishiwen1214
⭐ 1,366 Python 👤 nishiwen1214 User 🕐 更新日時 2024-11-22 📅 作成日 2023-03-18
14
Calamari-OCR/calamari

OCRopyに基づくライン 기반 ATR エンジン

Calamari-OCR
⭐ 1,204 Python 👤 Calamari-OCR Organization 🕐 更新日時 2026-06-23 📅 作成日 2018-03-20
15
Mingtzge/2019-CCF-BDCI-OCR-MCZJ-OCR-IdentificationIDElement

2019CCF-BDCI大会 最優秀イノベーション探索賞受賞者 OCRベースの身分証明書要素抽出課題チャンピオン 天晨破晓チーム 課題ソースコード

Mingtzge
⭐ 899 Python 👤 Mingtzge User 🕐 更新日時 2024-07-25 📅 作成日 2019-12-30
16
freelawproject/x-ray

PDFに不適切な墨消しがあるかどうかを検出するツール

freelawproject
⭐ 837 Python 👤 freelawproject Organization 🕐 更新日時 2026-11-20 📅 作成日 2020-12-17
17
datalab-to/pdftext

PDFから構造化テキストを迅速に抽出する

datalab-to
⭐ 744 Python 👤 datalab-to Organization 🕐 更新日時 2026-10-22 📅 作成日 2024-04-24
18
ispras/dedoc

Dedocは、ドキュメントの解析を自動化し、統一された形式にするためのライブラリ(サービス)です。テキストベースの電子ドキュメントからコンテンツ、論理構造、テーブル、メタ情報を自動的に抽出します。(ドキュメント解析; ドキュメントコンテンツ抽出; 論理構造抽出; PDFパーサー; スキャン済みドキュメントパーサー; DOCXパーサー; HTMLパーサー)

ispras
⭐ 739 Python 👤 ispras Organization 🕐 更新日時 2026-11-09 📅 作成日 2020-12-07
19
OCR4all/OCR4all

ウェブアプリケーションを通じてOCR(光学文字認識)サービスを提供します

OCR4all
⭐ 713 Java 👤 OCR4all Organization 🕐 更新日時 2026-09-14 📅 作成日 2019-01-23
20
allenai/pdffigures2

学術的なPDFが与えられたら、図、表、キャプション、およびセクションタイトルを抽出してください。

allenai
⭐ 712 Scala 👤 allenai Organization 🕐 更新日時 2024-03-10 📅 作成日 2016-05-09
22
ndl-lab/ndlocr_cli

NDLOCRアプリケーションのリポジトリ(ソースコードを含む)

ndl-lab
⭐ 686 Python 👤 ndl-lab Organization 🕐 更新日時 2026-01-05 📅 作成日 2022-03-30
23
allenai/science-parse

Science Parse は、科学論文 (PDF 形式) を解析し、構造化された形式で返します。

allenai
⭐ 686 Java 👤 allenai Organization 🕐 更新日時 2024-05-26 📅 作成日 2015-08-19
24
0xabu/pdfannots

PDFファイルからテキスト注釈を抽出してフォーマットします

0xabu
⭐ 676 Python 👤 0xabu User 🕐 更新日時 2026-11-12 📅 作成日 2017-01-28
25
Alibaba-NLP/ViDoRAG

[EMNLP 2025] ViDoRAG: 動的反復推論エージェントによるビジュアルドキュメント取得拡張生成

Alibaba-NLP
⭐ 670 Python 👤 Alibaba-NLP Organization 🕐 更新日時 2026-01-11 📅 作成日 2025-02-25
26
opendatalab/MinerU-Diffusion

[ECCV 2026] 自己回帰デコードをブロックレベルの並列拡散デコードに置き換える、文書OCRのための拡散ベースのフレームワーク。

opendatalab
⭐ 624 Python 👤 opendatalab Organization 🕐 更新日時 2026-06-18 📅 作成日 2026-03-13
27
maxandrews/Epstein-doc-explorer

エプスタインのメールのグラフエクスプローラー

maxandrews
⭐ 598 JavaScript 👤 maxandrews User 🕐 更新日時 2025-11-20 📅 作成日 2025-11-14
28
CybercentreCanada/assemblyline

Assemblyline 4:ファイルのトリアージとマルウェア解析

CybercentreCanada
⭐ 572 Python 👤 CybercentreCanada Organization 🕐 更新日時 2026-11-20 📅 作成日 2020-12-03
29
wenwenyu/PICK-pytorch

論文「PICK: 改善されたグラフ学習畳み込みネットワークを使用したドキュメントからの主要情報抽出」(ICPR 2020)のコード

wenwenyu
⭐ 570 Python 👤 wenwenyu User 🕐 更新日時 2024-07-25 📅 作成日 2020-07-15
30
leedrake5/unredact

不十分に編集された文書を読み込み、元の形式を復元するためのシンプルなツール。

leedrake5
⭐ 565 Python 👤 leedrake5 User 🕐 更新日時 2026-01-06 📅 作成日 2025-12-23
32
JoshData/pdf-diff

Python で実装されたPDF比較ユーティリティ。

JoshData
⭐ 527 Python 👤 JoshData User 🕐 更新日時 2026-02-08 📅 作成日 2014-06-09
33
awslabs/handwritten-text-recognition-for-apache-mxnet

このリポジトリでは、Apache MXNet ディープラーニング フレームワークを使用して、IAM データセット上でエンドツーエンドの全ページ手書き認識を実行するためのニューラルネットワーク モデルを訓練できます。

awslabs
⭐ 526 Jupyter Notebook 👤 awslabs Organization 🕐 更新日時 2026-02-05 📅 作成日 2019-02-26

よくある質問

1

GitHubで最も人気のある#document-analysisリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#document-analysisプロジェクトは、84,093個のスターを獲得しているopendatalab/MinerUです。PDFやOfficeドキュメントなどの複雑なドキュメントを、LLM対応のmarkdown/JSONに変換し、Agenticワークフローに活用します。

2

#document-analysisリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#document-analysisプロジェクトでは、Python, JavaScript, Java, C#が最も一般的なプログラミング言語です。

3

#document-analysisリポジトリのランキングはどのように算出されていますか?

#document-analysisのタグが付いた33件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は134,538個で、リポジトリあたりの平均は4,076個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。