懂AI

MMOCR: 一站式文字检测、识别与理解工具箱 - OpenMMLab开源项目介绍

RayRay
OpenMMLabMMOCRPyTorch文本检测文本识别Github开源项目

mmocr

MMOCR项目简介

MMOCR是OpenMMLab开源的一站式文字检测、识别与理解工具箱,基于PyTorch和MMDetection开发。它为计算机视觉中的文本相关任务提供了全面的解决方案,主要特点包括:

  • 支持文本检测、文本识别以及关键信息提取等下游任务
  • 实现了多种最先进的算法模型
  • 模块化设计,便于用户自定义优化器、数据预处理和模型组件
  • 提供了丰富的实用工具,如可视化、性能评估等

MMOCR是OpenMMLab生态中的重要一员,与MMEngine、MMCV、MMDetection等项目协同工作。主分支支持PyTorch 1.6+版本。

主要特性

  1. 全面的pipeline:不仅支持文本检测和识别,还包括关键信息提取等下游任务。

  2. 多种模型:实现了大量SOTA模型,涵盖文本检测、识别和关键信息提取领域。

  3. 模块化设计:用户可以灵活定义自己的优化器、数据预处理器和模型组件。

  4. 丰富的工具:提供了全面的工具集,包括可视化、验证工具和数据转换等。

快速上手

MMOCR的安装依赖PyTorch、MMEngine、MMCV和MMDetection。推荐的安装步骤如下:

conda create -n open-mmlab python=3.8 pytorch=1.10 cudatoolkit=11.3 torchvision -c pytorch -y
conda activate open-mmlab
pip3 install openmim
git clone https://github.com/open-mmlab/mmocr.git
cd mmocr
mim install -e .

详细的安装指南请参考官方文档。

安装完成后,可以查看快速入门指南了解MMOCR的基本用法。

模型库

MMOCR支持多种算法,包括:

  • 主干网络:oCLIP
  • 文本检测:DBNet、DBNet++、Mask R-CNN、PANet等
  • 文本识别:ABINet、ASTER、CRNN、MASTER等
  • 关键信息提取:SDMG-R
  • 端到端文本识别:ABCNet、ABCNetV2、SPTS

完整的模型列表请查看模型库文档。

MMOCR为计算机视觉中的文本相关任务提供了强大而灵活的工具支持。无论是学术研究还是工业应用,它都是一个值得尝试的开源框架。欢迎访问GitHub仓库了解更多信息并参与项目贡献。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手，复杂任务高效处理

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

下拉加载更多