# 图像识别 #
0
关注
1216内容
Zerox：AI驱动的万能OCR工具，精准识别复杂布局并输出Markdown格式，支持PDF、DOCX、图片等多种文件格式
Zerox 是一款开源的本地化高精度OCR工具，基于GPT-4o-mini模型，支持PDF、DOCX、图片等多种格式文件，能够零样本识别复杂布局文档，输出Markdown格式结果。
Ola：清华联合腾讯等推出的全模态语言模型！实现对文本、图像、视频和音频的全面理解
Ola 是由清华大学、腾讯 Hunyuan 研究团队和新加坡国立大学 S-Lab 合作开发的全模态语言模型，支持文本、图像、视频和音频输入，并具备实时流式解码功能。
PDF to Podcast：英伟达开源黑科技！PDF 秒转播客/有声书，告别阅读疲劳轻松学习！
NVIDIA推出的PDF to Podcast工具，基于大型语言模型和文本到语音技术，将PDF文档转换为生动的音频内容。
结合DeepSeek-R1强化学习方法的视觉模型！VLM-R1：输入描述就能精确定位图像目标
VLM-R1 是基于强化学习技术的视觉语言模型，通过自然语言指令精确定位图像目标，支持复杂场景推理与高效训练。
【OpenCv • c++】图像识别边缘检测 图像差分运算
【OpenCv • c++】图像识别边缘检测 图像差分运算
|
图像识别：Python 与计算机视觉
在当今的数字时代，图像识别技术已经成为了许多领域的重要组成部分，包括计算机视觉、人工智能和机器学习等。Python 作为一种强大的编程语言，提供了丰富的工具和库，使开发者能够轻松地进行图像识别任务。在本文中，我们将探讨图像识别技术的基本原理，介绍一些常用的 Python 库，并通过一个简单的示例来展示如何使用这些库进行图像识别。
一种基于YOLOv8改进的高精度表面缺陷检测网络， NEU-DET和GC10-DET涨点明显（原创自研）
【7月更文挑战第3天】一种基于YOLOv8改进的高精度表面缺陷检测， 在NEU-DET和GC10-DET任务中涨点明显；
OmniSearch：阿里巴巴通义推出的多模态检索增强生成框架
本文介绍了阿里巴巴通义实验室推出的多模态检索增强生成框架 OmniSearch，该框架具备自适应规划能力，能够动态拆解复杂问题，根据检索结果和问题情境调整检索策略，从而提升检索效率和准确性。
免费试用