Startseite Projekte crnn
crnn
Lua

crnn

Konvolutionales rekurrentes neuronales Netzwerk (CRNN) zur bildbasierten Sequenzkennung.

von bgshih · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
computer-visionmachine-learningocrMITLua
Auf GitHub ansehen
In einfachen Worten

Erkennen Sie Text in Bildern, wie z.B. Schilder oder Dokumente, mithilfe eines trainierten Modells.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
crnn — GitHub preview card
📈 Sternhistorie
2 1042 103
2026-07-072026-08-31
📈 crnn verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Konvolutionales rekurrentes neuronales Netzwerk (CRNN) zur bildbasierten Sequenzkennung.

crnn hat 2.1k Sterne auf GitHub. Es wurde 548-mal geforkt. crnn ist hauptsächlich in Lua geschrieben. Es wird seit 2015 aktiv entwickelt. crnn ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, machine-learning, ocr, sequence-recognition.

Frequently asked questions

Was ist crnn?

Konvolutionales rekurrentes neuronales Netzwerk (CRNN) zur bildbasierten Sequenzkennung.

Ist crnn Open Source?

crnn ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist crnn kostenlos?

Ja. crnn ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht crnn?

crnn ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist crnn geschrieben?

crnn ist hauptsächlich in Lua geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — crnn

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=bgshih-crnn)](https://olud.ai/project/bgshih-crnn.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.