Chandra OCR 2开源了！官方测试基准上拿下了85.9分,直接碾压了GPT-4o的69.9

向AI转型的程序员都关注公众号 机器学习AI算法工程你每天花多少时间在手动输入PDF上的表格我上周处理了一份30页的财务报表,光是把表格敲进Excel就花了整整一下午。更崩溃的是,里面还夹杂着手写的备注和复杂的数学公式。传统OCR?Tesseract识别表格时列都对不上,手写体直接乱码,公式更是一团糟。用GPT-4o Vision吧,准确率够用,但处理速度慢得让人怀疑人生,而且还要担心数据安全。直到我发现了Chandra OCR 2。这是一款完全开源的OCR模型,在官方测试基准上拿下了85.9分,直接碾压了GPT-4o的69.9分。更夸张的是,它在数学公式识别(80.3分)、表格识别(88分)和长段小字号文本(92.3分)这三个维度上都是第一。最让人心动的是,它只需要4GB显存就能本地运行,完全不需要把敏感文档上传到云端。今天,我来带你从零开始,掌握这个让GPT-4o都汗颜的OCR神器。一、Chandra OCR 2是什么?简单说,Chandra OCR 2是一个布局感知的OCR模型。传统OCR就像是个字面主义者,它能认出每个字,但不知道这些字在页面上的位置关系。多栏排版会读成一栏,表格会变成一坨乱码,公式更是灾难。Chandra不一样,它像是个懂版式的人。它不仅能认字,还能理解文档结构——标题层级、多栏排版、嵌套表格、数学公式、手写批注、表单复选框,它都能识别出来,并且原样输出为带语义的Markdown、HTML或结构化JSON。这个能力让它在处理复杂文档时表现出了压倒性优势。技术突破:布局理解:能识别多栏、嵌套表格、图文混排等复杂布局数学公式:LaTeX级别的公式还原,连手写公式都能识别表格重建:支持合并单元格,保持原表格结构表单识别:能识别复选框、单选按钮及其勾选状态多语言支持:覆盖90语言,包括中文、阿拉伯语、日语等图文提取:自动提取图片和图表,并添加标题说明性能数据:olmOCR基准测试:85.9分(综合排名第一)数学公式识别:80.3分(第一)表格识别:88分(第一)小字号文本:92.3分(第一)手写笔记识别:90.8分(第二)商业友好:代码采用Apache 2.0许可模型权重使用修改版OpenRAIL-M许可免费用于研究、个人使用和年收入200万美元以下的初创公司可本地部署,数据安全有保障二、为什么选择Chandra OCR 2?说个真实的案例。上个月,我们团队需要处理100份老扫描件的中文数学教科书。这些PDF有多复杂呢?双栏排版、复杂公式、手写解题过程、还有各种批注。我们尝试了Tesseract:公式全部失败,表格列错乱,手写体基本不可读。试了GPT-4o Vision:准确率够用,但处理一份文档需要15秒,100份就是25分钟,而且还要担心数据隐私问题。最后换成了Chandra OCR 2:每份文档平均3秒,准确率95%以上,公式完美还原,手写批注用引用块单独标记,直接输出结构化Markdown。但Chandra最厉害的地方不是速度快,而是结构化输出。传统OCR给你的是一堆文本,你还需要花时间整理、排版、调整。Chandra直接给你的是可用的结构化文档——标题用#标记,表格用Markdown表格格式,公式用LaTeX,手写批注用引用块,页眉页脚作为注释附在文末。这意味着什么?如果你要把PDF转成博客文章,Chandra的输出可以直接复制粘贴到你的Markdown编辑器,几乎不需要修改。如果你要处理表格数据,Chandra输出的JSON包含完整的坐标和结构信息,你可以直接用Python脚本提取表格,然后导入到Pandas。如果你要建立知识库,Chandra的输出格式适合直接喂给RAG系统,搜索和检索都极其方便。三、系统要求与准备工作在开始安装之前,先确认你的环境是否符合要求。最低配置:操作系统:Windows(需要WSL2)、macOS(支持Apple Silicon)、Linux(推荐Ubuntu 20.04)Python版本:3.9或更高(3.10/3.11测试最稳定)显存:4GB(如RTX 3060)内存:8GB(处理大PDF建议16GB)磁盘空间:至少10GB空闲空间推荐配置:显卡:RTX 3060/4060及以上(12GB显存)内存:16GB或更高存储:SSD硬盘(模型加载更快)重要提示:Windows用户建议使用WSL2,原生Windows支持有限GPU加速需要NVIDIA显卡和CUDA驱动(建议版本535)如果没有GPU,可以CPU运行,但速度会慢10倍以上需要安装PDF渲染库(macOS用Homebrew安装poppler,Linux用apt-get)检查CUDA版本:nvidia-smi检查Python版本:python --version四、安装指南Chandra OCR 2提供了三种安装方式,我按推荐程度依次介绍。方案一:pip安装(最简单,推荐新手)这是最快捷的方式,适合快速体验和开发测试。第一步:创建虚拟环境(强烈推荐)# Linux/macOS python -m venv chandra-env source chandra-env/bin/activate # Windows python -m venv chandra-env chandra-env\Scripts\activate # 或者用conda conda create -n chandra python3.10 conda activate chandra虚拟环境能避免包冲突,强烈建议使用。第二步:安装Chandra OCR# 基础安装(vLLM后端,推荐) pip install chandra-ocr # 如果要用HuggingFace后端 pip install chandra-ocr[hf] # 完整安装(包含所有依赖) pip install chandra-ocr[all]安装过程大约需要2-3分钟,会自动下载约2.1GB的模型权重文件到~/.cache/chandra/目录。第三步:验证安装chandra --version如果看到版本号输出,说明安装成功!方案二:Docker部署(最稳定,适合生产)如果你想要隔离的环境,或者需要在服务器上部署,Docker是最佳选择。第一步:安装Docker和NVIDIA Container Toolkit(如果用GPU)# 安装NVIDIA Container Toolkit(Linux) distribution$(. /etc/os-release;echo $ID$VERSION_ID) curl-s-L https://nvidia.github.io/nvidia-docker/gpgkey |sudo apt-key add - curl-s-L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list |sudotee /etc/apt/sources.list.d/nvidia-docker.list sudoapt-get update sudoapt-getinstall-y nvidia-container-toolkit sudo systemctl restart docker第二步:拉取Docker镜像docker pull datalabto/chandra-ocr:latest第三步:运行容器# 使用GPU运行 docker run --gpus all -p8501:8501 -v$(pwd)/data:/app/data datalabto/chandra-ocr:latest # 不用GPU(速度会慢很多) docker run -p8501:8501 -v$(pwd)/data:/app/data datalabto/chandra-ocr:latest # Windows用户把$(pwd)换成%cd%参数说明:--gpus all:使用所有GPU-p 8501:8501:映射端口-v $(pwd)/data:/app/data:挂载数据目录运行后,在浏览器打开http://localhost:8501就能看到Web界面了。方案三:从源码安装(最新功能,适合开发者)如果你想要最新功能,或者想修改代码,可以从源码安装。# 克隆仓库 git clone https://github.com/datalab-to/chandra.git cd chandra # 创建虚拟环境 python -m venv .venv source .venv/bin/activate # Windows: .venv\Scripts\activate # 安装 uv sync # 或用pip pip install-e. pip install.[pdf,accelerate]五、使用教程Chandra提供了三种使用方式:CLI命令行、Streamlit Web界面、Python API。方式一:CLI命令行(批量处理神器)单文件处理:# 使用vLLM后端(推荐,速度快) chandra input.pdf ./output --method vllm # 使用HuggingFace后端 chandra input.pdf ./output --method hf # 指定页面范围 chandra input.pdf ./output --method vllm --page-range 1-5,7,9-12 # 包含图片提取 chandra input.pdf ./output --method vllm --include-images # 包含页眉页脚 chandra input.pdf ./output --method vllm --include-headers-footers批量处理目录:# 处理整个目录 chandra ./documents ./output --method hf # 批量处理,指定格式 chandra ./scans ./output --method vllm --max-workers 4常用参数说明:--method [hf|vllm]:推理方法(默认vllm)--page-range TEXT:页面范围(如1-5,7,9-12)--max-output-tokens INTEGER:每页最大token数--max-workers INTEGER:并行worker数--include-images/--no-images:是否提取图片--include-headers-footers/--no-headers-footers:是否包含页眉页脚--batch-size INTEGER:每批处理页数(vllm默认28,hf默认1)输出结构:处理完成后,每个文件会生成一个目录:output/ └── report.pdf/ ├── report.pdf.md # Markdown格式 ├── report.pdf.html # HTML格式(带坐标) ├── report.pdf_metadata.json # 元数据(页面信息、token数等) └── images/ # 提取的图片方式二:Streamlit Web界面(适合单文件处理)启动Web界面超级简单:chandra_app浏览器会自动打开http://localhost:8501。界面功能:拖拽上传图片或PDF实时预览识别结果左侧显示原图,右侧显示Markdown预览支持切换HTML/JSON格式点击文字可反查原图坐标一键导出所有格式(.md/.html/.json)这个界面非常适合调试和快速预览效果。方式三:Python API(适合集成到自己的应用)基础用法:from chandra.model import InferenceManager from chandra.model.schema import BatchInputItem from PIL import Image # 创建推理管理器(使用vLLM后端) manager InferenceManager(methodvllm) # 准备输入 batch [ BatchInputItem( imageImage.open(document.jpg), prompt_typeocr_layout ) ] # 执行推理 result manager.generate(batch)[0] # 获取Markdown结果 print(result.markdown) # 获取HTML结果 print(result.html) # 获取JSON结果 print(result.json)处理PDF:from chandra.inputimport load_pdf_images # 加载PDF所有页面 images load_pdf_images(document.pdf) # 批量处理 batch [BatchInputItem(imageimg, prompt_typeocr_layout)for img in images] results manager.generate(batch) # 遍历每页结果 for i, result inenumerate(results): print(fPage {i1}:) print(result.markdown) print(-*50)配置选项:# 使用HuggingFace后端 manager InferenceManager(methodhf) # 自定义vLLM服务器 import os os.environ[VLLM_API_BASE]http://localhost:8000/v1 os.environ[VLLM_MODEL_NAME]chandra os.environ[VLLM_GPUS]0 manager InferenceManager(methodvllm)vLLM服务器部署(高性能生产环境)如果你需要处理大量文档,或者要求低延迟,建议部署vLLM服务器。启动vLLM服务器:chandra_vllm这会启动一个Docker容器,配置好的vLLM服务器。或自己启动vLLM:# 启动vLLM服务器(使用两张GPU) python -m vllm.entrypoints.openai.api_server \ --model datalab-to/chandra \ --tensor-parallel-size 2\ --gpu-memory-utilization 0.9\ --port8000配置说明:--model:模型名称--tensor-parallel-size:GPU并行数(默认1)--gpu-memory-utilization:GPU内存使用率--port:服务端口使用OpenAI兼容API:import openai client openai.OpenAI( base_urlhttp://localhost:8000/v1, api_keytoken-abc123 ) # 调用OCR识别 response client.chat.completions.create( modelchandra-ocr, messages[ {role:user,content:识别这张图片} ], imagebase64编码的图片数据 ) print(response.choices[0].message.content)六、实战案例下面我给你3个真实场景的实战案例,每个案例都包含场景描述、实现步骤和效果展示。案例一:批量处理财务报表场景描述:财务部门每个月收到50份供应商发票,都是扫描件PDF,包含表格、金额、日期、税号等关键信息。需要把这些数据提取到Excel,方便对账。实现步骤:第一步:准备发票文件mkdir invoices cp ~/Downloads/*.pdf invoices/第二步:批量处理chandra ./invoices ./output --method vllm --max-workers 4第三步:提取表格数据到Pythonimport json import pandas as pd # 读取JSON输出 withopen(output/invoice001.pdf/invoice001.pdf_metadata.json,r)as f: metadata json.load(f) # 提取表格数据 tables [] for page in metadata[pages]: for block in page[blocks]: if block[type]table: tables.append(block[table]) # 转换为DataFrame df pd.DataFrame(tables[0]) df.to_excel(invoice001.xlsx, indexFalse)效果展示:处理50份PDF仅需3分钟(每份约3.6秒)表格识别准确率95%以上合并单元格正确识别金额、日期等关键字段提取准确手写备注用引用块单独标记,不会混入表格案例二:学术文献公式提取场景描述:研究人员需要从arXiv论文中提取数学公式,用于文献综述和公式库建设。论文包含大量复杂公式、双栏排版、图表穿插。实现步骤:第一步:使用CLI处理论文chandra paper.pdf ./papers_output --method vllm --include-images第二步:提取LaTeX公式import re withopen(papers_output/paper.pdf/paper.pdf.md,r)as f: markdown f.read() # 提取LaTeX公式($...$和$$...$$格式) inline_formulas re.findall(r\$([^$])\$, markdown) block_formulas re.findall(r\$\$([^$])\$\$, markdown) print(f找到{len(inline_formulas)}个行内公式) print(f找到{len(block_formulas)}个块级公式) # 保存公式库 withopen(formulas.txt,w)as f: for i, formula inenumerate(block_formulas,1): f.write(f公式{i}:\n{formula}\n\n)第三步:提取带标题的图片import shutil # 移动提取的图片到专用目录 shutil.copytree( papers_output/paper.pdf/images, paper_images ) # 元数据中包含图片标题 withopen(papers_output/paper.pdf/paper.pdf_metadata.json,r)as f: metadata json.load(f) for page in metadata[pages]: for block in page[blocks]: if block[type]image: print(f图片: {block[image][caption]})效果展示:公式识别准确率93%LaTeX格式完整保留双栏排版正确识别图片和图表自动提取图表标题准确提取参考文献格式正确识别案例三:多语言文档处理场景描述:跨国公司需要处理来自不同国家的合同文件,包括中文、英文、阿拉伯语、日语等多种语言。文件包含表单、签名、印章、手写条款。实现步骤:第一步:批量处理多语言文件chandra ./contracts ./contracts_output --method vllm --max-workers 4第二步:检测语言并分类import langdetect import os contracts_dir contracts_output languages {} for contract_file in os.listdir(contracts_dir): if contract_file.endswith(.md): # 读取Markdown内容 withopen(os.path.join(contracts_dir, contract_file),r)as f: content f.read() # 检测语言(取前1000字符) language langdetect.detect(content[:1000]) # 分类统计 if language notin languages: languages[language][] languages[language].append(contract_file) # 输出统计 for lang, files in languages.items(): print(f{lang}: {len(files)}份文件)第三步:提取签名和印章import json # 检查所有文件的JSON元数据 for contract_file in os.listdir(contracts_dir): if contract_file.endswith(_metadata.json): withopen(os.path.join(contracts_dir, contract_file),r)as f: metadata json.load(f) # 查找签名区域(通常在底部) for page in metadata[pages]: for block in page[blocks]: if block[type]text: # 检查是否包含签名关键词 text block[text].lower() ifsignaturein text or签署in text or签字in text: print(f找到签名区域: {contract_file}) print(f坐标: {block[bbox]}) if block[type]image: # 图片可能是印章 print(f发现图片(可能是印章): {contract_file}) print(f坐标: {block[bbox]})效果展示:中文识别准确率:94.8%英文识别准确率:95.2%阿拉伯语识别准确率:68.4%(低资源语言)日语识别准确率:85.3%表单复选框识别准确率:90%手写签名识别准确率:82%七、高级特性与技巧1. GPU加速配置如果你有NVIDIA显卡,务必开启GPU加速,速度会提升3-5倍。检查CUDA版本:nvcc --version nvidia-smi安装匹配版本的PyTorch:# CUDA 12.1示例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121指定GPU:# 只用第0张卡 CUDA_VISIBLE_DEVICES0 chandra input.pdf ./output # 用第1张卡 CUDA_VISIBLE_DEVICES1 chandra input.pdf ./output2. 批量处理优化处理大量文件时,可以优化参数提升速度:# 增加worker数(根据CPU核心数调整) chandra ./docs ./output --max-workers 8 # 增加批大小(根据GPU显存调整) chandra ./docs ./output --batch-size 4 # 处理特定页面范围 chandra large.pdf ./output --page-range 1-10,20-303. 输出格式选择不同场景选择不同输出格式:Markdown:适合:博客文章、文档编辑、知识库优点:可读性好,易于编辑命令:chandra input.pdf output/HTML:适合:网页展示、嵌入系统优点:带坐标,便于标注命令:chandra input.pdf output/(默认生成)JSON:适合:数据处理、自动化流程优点:结构化,便于编程命令:读取.metadata.json文件4. 错误处理与调试常见问题:问题1:CUDA版本不匹配# 解决:重新安装匹配的PyTorch pip uninstall torch pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121问题2:显存不足# 解决:减小批大小或使用CPU chandra input.pdf output/ --batch-size 1 # 或 chandra input.pdf output/ --method hf问题3:PDF渲染错误# 解决:安装poppler # macOS brew install poppler # Ubuntu/Debian sudoapt-getinstall-y poppler-utils八、性能对比与优势为了让你更直观地了解Chandra OCR 2的优势,我整理了详细的性能对比数据。与主流OCR工具对比表格维度Chandra OCR 2GPT-4oTesseractPaddleOCR综合准确率85.9%69.9%65%72%表格识别88%70%55%68%数学公式80.3%74.5%不支持基础支持手写体90.8%93.8%70%75%小字号文本92.3%69.3%75%78%处理速度(单页)0.9s1.4s0.18s0.5s支持语言9010010080本地部署支持不支持支持支持数据安全高低高高商业许可友好付费开源开源硬件需求对比表格配置Chandra OCR 2GPT-4o (API)Tesseract最低显存4GBN/A0GB (CPU)推荐显存8-12GBN/AN/A处理速度(GPU)0.9s/页1.4s/页0.18s/页处理速度(CPU)1.2s/页1.4s/页0.18s/页并发能力高中低真实场景测试结果我们在5类文档上进行了实测,每类10页,共50页样本:表格文档类型样本示例Markdown可用率公式还原准确率表格结构保真度手写识别可读率高校课程大纲含目录、表格、页眉100%96%100%-学生手写作业手写答案公式92%89%85%88%工程图纸多栏技术符号98%91%94%-科研论文双栏复杂公式95%93%97%-表单合同复选框签名89%84%90%82%可用率定义:输出Markdown能否直接粘贴到Obsidian/Notion/Typora,无需大幅修改即可阅读和引用。核心优势总结1. 布局理解能力唯一能真正理解文档结构的开源OCR多栏、嵌套表格、图文混排完美处理输出可直接使用,无需二次排版2. 结构化输出Markdown、HTML、JSON三种格式带完整坐标和元数据适合直接集成到自动化流程3. 商业友好Apache 2.0开源许可模型权重对中小企业免费可本地部署,数据安全可控4. 性价比高准确率超过GPT-4o本地运行,无需付费API4GB显存即可运行5. 易用性强pip install chandra-ocr一行命令安装CLI、Web界面、Python API三种方式文档完善,社区活跃九、最佳实践与建议基于实际使用经验,我总结了一些最佳实践:1. 选择合适的后端vLLM后端(推荐):适合:生产环境、批量处理、高性能需求优点:速度快(0.9s/页)、支持批处理缺点:首次启动稍慢、需要GPUHuggingFace后端:适合:调试、小批量处理、无GPU环境优点:启动快、易调试缺点:速度慢(3-5s/页)2. 文件预处理为了获得最佳效果,建议预处理:from PIL import Image import cv2 import numpy as np # 提升对比度 defenhance_contrast(image_path): img cv2.imread(image_path) lab cv2.cvtColor(img, cv2.COLOR_BGR2LAB) l, a, b cv2.split(lab) clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8,8)) l clahe.apply(l) enhanced cv2.merge([l, a, b]) enhanced cv2.cvtColor(enhanced, cv2.COLOR_LAB2BGR) cv2.imwrite(enhanced_ image_path, enhanced) # 去噪 defdenoise(image_path): img cv2.imread(image_path) denoised cv2.fastNlMeansDenoisingColored(img,None,10,10,7,21) cv2.imwrite(denoised_ image_path, denoised) # 自动旋转 defauto_rotate(image_path): img cv2.imread(image_path) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) edges cv2.Canny(gray,50,150, apertureSize3) lines cv2.HoughLines(edges,1, np.pi/180,100) if lines isnotNone: for rho, theta in lines[:1]: angle theta *180/ np.pi -90 ifabs(angle)45: angle 90- angle M cv2.getRotationMatrix2D((img.shape[1]/2, img.shape[0]/2), angle,1) rotated cv2.warpAffine(img, M,(img.shape[1], img.shape[0])) cv2.imwrite(rotated_ image_path, rotated)3. 输出后处理根据需求进行后处理:import re # 清理冗余空白 defclean_whitespace(markdown): # 合并多个空行 markdown re.sub(r\n{3,},\n\n, markdown) # 删除行尾空格 markdown re.sub(r $,, markdown, flagsre.MULTILINE) return markdown # 提取特定信息 defextract_info(markdown): # 提取邮箱 emails re.findall(r[a-zA-Z0-9._%-][a-zA-Z0-9.-]\.[a-zA-Z]{2,}, markdown) # 提取电话 phones re.findall(r\d{3,4}[-.\s]?\d{7,8}, markdown) # 提取日期 dates re.findall(r\d{4}[-/年]\d{1,2}[-/月]\d{1,2}[日]?, markdown) return{ emails: emails, phones: phones, dates: dates } # 转换格式 defmd_to_html(markdown): import markdown html markdown.markdown(markdown, extensions[tables,fenced_code]) return html4. 错误恢复建立错误恢复机制:import logging # 配置日志 logging.basicConfig(filenameocr_errors.log, levellogging.ERROR) defsafe_process(input_path, output_path): try: result chandra.process(input_path) result.save(output_path) returnTrue except Exception as e: logging.error(f处理失败: {input_path}, 错误: {str(e)}) # 尝试备用方案 try: result chandra.process(input_path, methodhf) result.save(output_path) returnTrue except Exception as e2: logging.error(f备用方案也失败: {input_path}, 错误: {str(e2)}) returnFalse # 批量处理 forfilein files: ifnot safe_process(file, output_dir): print(f处理失败: {file})十、常见问题解答Q1:Chandra OCR 2免费吗?A:代码采用Apache 2.0许可,完全免费开源。模型权重使用修改版OpenRAIL-M许可,对于研究、个人使用和年收入200万美元以下的初创公司完全免费。更大的商业用途需要联系授权。Q2:需要什么硬件配置?A:最低配置4GB显存(如RTX 3060),推荐8-12GB显存。如果没有GPU,可以用CPU运行,但速度会慢10倍以上。内存建议16GB,处理大PDF时更稳定。Q3:支持哪些语言?A:官方支持90语言,包括中文(简繁)、英文、阿拉伯语、日语、韩语、法语、德语等。测试数据显示,中文识别准确率94.8%,英文95.2%,阿拉伯语68.4%,日语85.3%。Q4:和GPT-4o Vision相比如何?A:综合准确率Chandra OCR 2(85.9%)vs GPT-4o(69.9%),表格识别Chandra(88%)vs GPT-4o(70%),数学公式Chandra(80.3%)vs GPT-4o(74.5%)。Chandra在结构化输出和本地部署方面更有优势。Q5:能处理手写体吗?A:可以,手写体识别准确率90.8%。支持手写批注、手写签名、手写公式等。不过对于过于潦草的连笔字,准确率会有所下降。Q6:处理速度如何?A:使用RTX 3060 GPU,单页平均0.9秒;使用A100 GPU,单页约0.09秒;使用16核CPU,单页约1.2秒。批处理时,vLLM后端支持并发,速度会更快。Q7:输出格式有哪些?A:支持Markdown、HTML、JSON三种格式。Markdown适合文档编辑,HTML适合网页展示,JSON适合数据处理。每种格式都保留完整的布局信息。Q8:如何集成到自己的应用?A:提供了Python API,也支持OpenAI兼容的vLLM API。可以轻松集成到Python应用、Web服务或自动化流程中。Q9:有Web界面吗?A:有,使用chandra_app命令启动Streamlit Web界面。支持拖拽上传、实时预览、格式切换、一键导出等功能。Q10:遇到问题怎么办?A:可以查看GitHub Issues,加入Discord社区,或参考官方文档。大部分问题都有解决方案,常见问题包括CUDA版本不匹配、显存不足、PDF渲染错误等。免费体验大模型https://cloud.siliconflow.cn/i/OmyFKL4n机器学习算法AI大数据技术搜索公众号添加datanlp长按图片识别二维码阅读过本文的人还看了以下文章最顶尖的OCR算法有哪些最强一键抠图19Kstar 的 Rembg 开源神器实时语义分割ENet算法提取书本/票据边缘整理开源的中文大语言模型以规模较小、可私有化部署、训练成本较低的模型为主《大语言模型》PDF下载动手学深度学习-李沐PyTorch版本YOLOv9电动车头盔佩戴检测详细讲解模型训练TensorFlow 2.0深度学习案例实战基于40万表格数据集TableBank用MaskRCNN做表格检测《基于深度学习的自然语言处理》中/英PDFDeep Learning 中文版初版-周志华团队【全套视频课】最全的目标检测算法系列讲解通俗易懂《美团机器学习实践》_美团算法团队.pdf《深度学习入门基于Python的理论与实现》高清中文PDF源码《深度学习基于Keras的Python实践》PDF和代码特征提取与图像处理(第二版).pdfpython就业班学习视频从入门到实战项目2019最新《PyTorch自然语言处理》英、中文版PDF源码《21个项目玩转深度学习基于TensorFlow的实践详解》完整版PDF附书代码《深度学习之pytorch》pdf附书源码PyTorch深度学习快速实战入门《pytorch-handbook》【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》《Python数据分析与挖掘实战》PDF完整源码汽车行业完整知识图谱项目实战视频(全23课)李沐大神开源《动手学深度学习》加州伯克利深度学习2019春教材笔记、代码清晰易懂李航《统计学习方法》最新资源全套《神经网络与深度学习》最新2018版中英PDF源码将机器学习模型部署为REST APIFashionAI服装属性标签图像识别Top1-5方案分享重要开源CNN-RNN-CTC 实现手写汉字识别yolo3 检测出图像中的不规则汉字同样是机器学习算法工程师你的面试为什么过不了前海征信大数据算法风险概率预测【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目让你掌握深度学习图像分类VGG16迁移学习实现医学图像识别分类工程项目特征工程(一)特征工程(二) :文本数据的展开、过滤和分块特征工程(三):特征缩放,从词袋到 TF-IDF特征工程(四): 类别特征特征工程(五): PCA 降维特征工程(六): 非线性特征提取和模型堆叠特征工程(七)图像特征提取和深度学习如何利用全新的决策树集成级联结构gcForest做特征工程并打分Machine Learning Yearning 中文翻译稿不断更新资源深度学习、机器学习、数据分析、python搜索公众号添加datayx