#document-analysis Репозитории
Откройте для себя 33 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #document-analysis, с общим числом 134,538 звёзд (в среднем 4,076 на проект). Лидером этой темы является opendatalab/MinerU, набравший 84,093 звёзд.
Всего репозиториев: 33
Преобразует сложные документы, такие как PDF и документы Office, в markdown/JSON, готовые для LLM, для ваших Agentic рабочих процессов.
Официальный репозиторий для «Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting», ACL, 2025.
ИИ читает книги: Постраничный экстрактор и сумматор знаний из PDF. скрипт выполняет интеллектуальный постраничный анализ PDF-книг, методично извлекая точки знаний и генерируя прогрессивные резюме через заданные интервалы
Leptonica — это библиотека с открытым исходным кодом, содержащая программное обеспечение, широко применимое для обработки изображений и приложений анализа изображений. Официальный репозиторий Leptonica на GitHub: danbloomberg/leptonica. Дополнительную документацию см. на сайте leptonica.org.
Локальный набор инструментов для извлечения неструктурированных данных, преобразования в Markdown и бенчмаркинга без OCR. (https://idp-leaderboard.org/)
Сборник оригинальных, инновационных идей и алгоритмов для продвинутых литературных машин. Этот проект поддерживается командой OCR в лаборатории языковых технологий Tongyi Lab группы Alibaba.
OpenOCR: открытый набор инструментов для исследований и приложений общего OCR, объединяющий унифицированный набор данных для обучения и оценки, коммерческую систему OCR и разбор документов, а также точные воспроизведения основных реализаций из широкого спектра академических статей.
Платформа с открытым исходным кодом для извлечения структурированных данных из документов с использованием ИИ.
ChatReviewer: Анализирует эссе с помощью ChatGPT, выделяя плюсы и минусы и предлагая улучшения
Конкурс 2019CCF-BDCI Лауреат премии за лучшее инновационное исследование Чемпион по теме извлечения элементов удостоверения личности на основе OCR Команда Тяньчэнь Посяо Исходный код темы
Dedoc — это библиотека (сервис) для автоматического парсинга документов и приведения их к единообразному формату. Он автоматически извлекает контент, логическую структуру, таблицы и метаинформацию из текстовых электронных документов. (Парсинг документа; Извлечение содержимого документа; Извлечение логической структуры; Парсер PDF; Парсер сканированных документов; Парсер DOCX; Парсер HTML)
Предоставляет услуги OCR (оптического распознавания символов) через веб-приложения
Science Parse разбирает научные статьи (в формате PDF) и возвращает их в структурированном виде.
[EMNLP 2025] ViDoRAG: Генерация с дополнением извлечения визуальных документов посредством динамических итеративных агентов рассуждения
[ECCV 2026] Фреймворк на основе диффузии для OCR документов, заменяющий авторегрессионное декодирование блочным параллельным диффузионным декодированием.
Код для статьи «PICK: Извлечение ключевой информации из документов с использованием улучшенных графовых сверточных сетей» (ICPR 2020)
Простой инструмент для чтения плохо редактированных документов и воспроизведения их исходной формы.
Этот репозиторий позволяет обучать модели нейронных сетей для выполнения end-to-end распознавания рукописного текста на полной странице с использованием фреймворков глубокого обучения Apache MXNet на датасете IAM.
Часто задаваемые вопросы
Какой репозиторий по теме #document-analysis наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #document-analysis на GitHub — opendatalab/MinerU, набравший 84,093 звёзд. Преобразует сложные документы, такие как PDF и документы Office, в markdown/JSON, готовые для LLM, для ваших Agentic рабочих процессов.
Какие языки программирования чаще всего используются в репозиториях по теме #document-analysis?
Среди наиболее высоко оценённых проектов по теме #document-analysis на GitHub чаще всего используются языки программирования Python, JavaScript, Java, C#.
Как рассчитывается рейтинг репозиториев по теме #document-analysis?
Мы отслеживаем 33 активных репозиториев с открытым исходным кодом, отмеченных тегом #document-analysis (500 и более звёзд), с общим числом 134,538 звёзд и в среднем 4,076 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.