awesome-deep-text-detection-recognition
Une liste soigneusement sélectionnée de ressources pour la détection/reconnaissance de texte (reconnaissance optique de caractères) avec des méthodes d'apprentissage profond.
Explorez une collection de ressources et d'articles de recherche sur la détection et la reconnaissance de texte utilisant des méthodes d'apprentissage profond.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentUne liste soigneusement sélectionnée de ressources pour la détection/reconnaissance de texte (reconnaissance optique de caractères) avec des méthodes d'apprentissage profond.
awesome-deep-text-detection-recognition compte 2.5k étoiles sur GitHub. Il a été forké 505 fois. Il est développé activement depuis 2017. awesome-deep-text-detection-recognition est disponible sous licence Apache-2.0. Ses principaux thèmes sont : awesome-list, awesome-lists, deep-learning, ocr.
Qu'est-ce que awesome-deep-text-detection-recognition ?
Une liste soigneusement sélectionnée de ressources pour la détection/reconnaissance de texte (reconnaissance optique de caractères) avec des méthodes d'apprentissage profond.
awesome-deep-text-detection-recognition est-il open source ?
awesome-deep-text-detection-recognition est un projet open source. Il est distribué sous licence Apache-2.0.
awesome-deep-text-detection-recognition est-il gratuit ?
Oui. awesome-deep-text-detection-recognition est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est awesome-deep-text-detection-recognition ?
awesome-deep-text-detection-recognition est disponible sous licence Apache-2.0.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/hwalsuklee-awesome-deep-text-detection-recognition.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.