TOOL
Unstract零代码AI文档处理平台
Unstract是一个功能强大的基于 AI 的平台，可简化文档处理。本文探讨了 AI 文档处理的来龙去脉，以及 Unstract 如何简化你企业的文档处理需求。
OCR
LIBRARY
Ollama-OCR 简明教程
Llama 3.2-Vision 是一个多模态大型语言模型，有 11B 和 90B 两种大小，能够处理文本和图像输入以生成文本输出。该模型在视觉识别、图像推理、图像描述和回答与图像相关的问题方面表现出色，在多个行业基准测试中优于现有的开源和闭源多模态模型。 在本文中，我将介绍如何调用由 Ollama 运行的 Llama 3.2-Vision 11B 建模服务并使用 Ollama-OCR 实现图像文本识别 (OCR) 功能。 Ollama-OCR 的功能： * 使用 Llama 3.2-Vision 模型进行高精度文本识别 * 保留原始文本格式和结构 * 支持多种图像格式：JPG、JPEG、PNG * 可自定义的识别提示和模型 * Markdown 输出格式选项 * 强大的错误处理 1、环境安装
LIBRARY
ExtractThinker 文档智能处理库
ExtractThinker是一个灵活的文档智能库，可帮助你从各种文档中提取和分类结构化数据，就像文档处理工作流的 ORM 一样。
APPLICATION
Llama3.2-Vision本地OCR应用
在本文中，我们将指导你使用 Ollama 的 Llama 3.2-Vision 模型构建自己的 OCR 应用程序，并使用 Python 作为我们的编程语言。
MODEL-ZOO
Qwen2-VL OCR能力微调与量化
最近，我对 Qwen2-VL-2B 进行了微调，我的目标是使用此模型从车辆铭牌和底盘图像中提取所需的信息 (OCR)。
MODEL-ZOO
Llama 3.2视觉模型OCR能力
传统的 OCR 工具在文本与视觉元素同时存在时，其性能会很差。但随着 Llama 3.2 视觉模型的发布，只需传递图像并提取文本或对图像提出问题即可。
LIBRARY
Docling 文档提取简明教程
Docling是IBM 深度搜索团队的 MIT 许可文档提取 Python 库，可轻松快速地解析文档并将其导出为所需格式。
MODEL-ZOO
Phi-3-vision小模型OCR实测
本文展示了如何在感兴趣的文件图像上应用 Phi3 模型来提取身份证、驾驶执照或健康保险卡等文件的数据。
MODEL-ZOO
Llama 3.2-Vision文本提取
该项目通过使用 Llama 3.2-Vision 来升级书籍封面识别，从而无缝地从图像中提取和完成标题和作者姓名。