mmocr
v1.0.1
الوثائق | التثبيت | ؟ نموذج حديقة الحيوان | ؟ تحديث الأخبار | ؟ القضايا الإبلاغ
الإنجليزية | 简体中文
الفرع الافتراضي هو الآن main وتم ترقية الرمز الموجود على الفرع إلى V1.0.0. يوجد الآن رمز الفرع main القديم (v0.6.3) في فرع 0.x إذا كنت تستخدم المشكلات main للفرع وتواجه ، فيرجى قراءة دليل الترحيل والملاحظات على الفروع.
تم إصدار V1.0.0 في 2023-04-06. تشمل التحديثات الرئيسية من 1.0.0rc6:
لمعرفة المزيد عن التحديثات في MMOCR 1.0 ، يرجى الرجوع إلى ما هو جديد في MMOCR 1.x ، أو قراءة Changelog لمزيد من التفاصيل!
MMOCR هو صندوق أدوات مفتوح المصدر يعتمد على Pytorch و MMDECENCEL لاكتشاف النص ، والتعرف على النص ، والمهام المقابلة في اتجاه المصب بما في ذلك استخراج المعلومات الرئيسية. إنه جزء من مشروع OpenMMLAB.
يعمل الفرع الرئيسي مع Pytorch 1.6+ .
خط أنابيب شامل
لا يدعم صندوق الأدوات فقط اكتشاف النص والتعرف على النص ، ولكن أيضًا مهامها في اتجاه المصب مثل استخراج المعلومات الرئيسية.
نماذج متعددة
يدعم Toolbox مجموعة واسعة من النماذج الحديثة للكشف عن النص ، والتعرف على النص واستخراج المعلومات الرئيسية.
تصميم وحدات
يمكّن التصميم المعياري لـ MMOCR المستخدمين من تحديد مُحسِّناتهم الخاصة ، ومعالجات البيانات المسبقة ، ومكونات النماذج مثل العمود الفقري والرقاب والرؤوس وكذلك الخسائر. يرجى الرجوع إلى نظرة عامة على كيفية بناء نموذج مخصص.
العديد من المرافق
يوفر صندوق الأدوات مجموعة شاملة من المرافق التي يمكن أن تساعد المستخدمين على تقييم أداء النماذج. ويشمل المرئيات التي تسمح بتصور الصور والحقائق الأرضية وكذلك الصناديق المحيطة المتوقعة ، وأداة التحقق من الصحة لتقييم نقاط التفتيش أثناء التدريب. ويتضمن أيضًا محولات البيانات لتوضيح كيفية تحويل البيانات الخاصة بك إلى ملفات التعليقات التوضيحية التي تدعمها صندوق الأدوات.
MMOCR يعتمد على Pytorch و MmEngine و MMCV و MMDETECENT. فيما يلي خطوات سريعة للتثبيت. يرجى الرجوع إلى دليل التثبيت لمزيد من التعليمات التفصيلية.
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 . يرجى الاطلاع على التشغيل السريع للاستخدام الأساسي لـ MMOCR.
الخوارزميات المدعومة:
يرجى الرجوع إلى Model_zoo لمزيد من التفاصيل.
فيما يلي بعض تطبيقات نماذج SOTA والحلول المبنية على MMOCR ، والتي يتم دعمها وصيانتها من قبل مستخدمي المجتمع. توضح هذه المشاريع أفضل الممارسات القائمة على MMOCR للبحث وتطوير المنتجات. نرحب ونقدر جميع المساهمات في نظام OpenMMLAB الإيكولوجي.
نحن نقدر جميع المساهمات لتحسين MMOCR. يرجى الرجوع إلى المساهمة. md للحصول على المبادئ التوجيهية المساهمة.
MMOCR هو مشروع مفتوح المصدر يساهم به الباحثون والمهندسون من مختلف الكليات والشركات. نحن نقدر جميع المساهمين الذين يقومون بتنفيذ أساليبهم أو يضيفون ميزات جديدة ، وكذلك المستخدمين الذين يقدمون تعليقات قيمة. نأمل أن يخدم صندوق الأدوات والمعيار مجتمع الأبحاث المتنامية من خلال توفير مجموعة أدوات مرنة لإعادة تنفيذ الأساليب الحالية وتطوير أساليب التعرف الضوئي على الحروف الجديدة الخاصة بهم.
إذا وجدت هذا المشروع مفيدًا في بحثك ، فيرجى النظر في Cite:
@article { mmocr2022 ,
title = { MMOCR: A Comprehensive Toolbox for Text Detection, Recognition and Understanding } ,
author = { MMOCR Developer Team } ,
howpublished = { url{https://github.com/open-mmlab/mmocr} } ,
year = { 2022 }
}يتم إصدار هذا المشروع بموجب ترخيص Apache 2.0.
مسح رمز الاستجابة السريعة أدناه لمتابعة حساب Zhihu الرسمي لفريق OpenMMLAB والانضمام إلى مجموعة QQ لفريق OpenMMLAB ، أو الانضمام إلى مجموعة الاتصالات الرسمية WeChat عن طريق إضافة WeChat ، أو الانضمام إلى Slack
سنزودك بمجتمع OpenMMLAB
يتطلع مجتمع OpenMMLAB إلى مشاركتك! ؟
