开源OCR模型DIY票证信息抽取
票证检测矫正模型在实际生活中有着广泛的需求，例如信息抽取、图像质量判断、证件扫描、票据审计等领等场景，可以大幅提高工作效率和准确性。
【实操】Java+百度ocr，实现图片识别文字小工具
本文介绍了一个基于Java和百度OCR的文字识别工具，能够通过截图或上传图片实现文字识别，并使用exe4j将工具封装为exe文件以便于使用。文章详细介绍了实现过程，包括Java Swing页面布局、百度OCR配置及使用方法，以及如何将Java项目打包成jar和exe文件。此外，还提供了一些相关资源供读者参考。
Qwen开源视觉推理模型QVQ，更睿智地看世界！
在人类的思维中，语言和视觉紧密交织，塑造着我们感知和理解世界的方式。我们的推理能力深深植根于语言思维和视觉记忆之中。那么，当我们将这些能力赋予人工智能时，会发生什么呢？如今的大语言模型已经展现出卓越的推理能力，但我们不禁思考：它们能否通过掌握视觉理解的力量，攀登认知能力的新高峰？
行业实践 | 基于Qwen2-VL实现医疗表单结构化输出
本项目针对不同医院检查报告单样式差异大、手机拍摄质量差等问题，传统OCR识别效果不佳的情况，探索并选定了Qwen2-vl系列视觉语言模型。通过微调和优化，模型在识别准确率上显著提升，能够精准识别并结构化输出报告单信息，支持整张报告单及特定项目的识别。系统采用FastAPI封装接口，Gradio构建展示界面，具备高效、灵活的应用特性。未来该方案可扩展至多种文本识别场景，助力行业数字化转型。