Генератор синтетических документов для обучения моделей ИИ

Где взять пару миллионов документов с разметкой для обучения модели ИИ? Сгенерировать синтетически! Меня зовут Никита, я работаю в ИСП РАН и веду блог по ИИ . Выложил в открытый доступ проект, который поможет дата-саентистам самостоятельно создавать датасеты сканированных документов с разметкой, используя только CPU. Подойдет для предобучения мультимодальных трансформеров, OCR и проч.

https://habr.com/ru/companies/isp_ras/articles/920346/

#синтетические_данные #распознавание_документов #ocr

We’re adding more OCR and image annotation services to #IMMARKUS!

Now available: Google Vision API — which actually works really well with historical materials, too. 👀 (Note: you’ll need to bring your own API key.)

#DigitalHumanities #IIIF #OCR #ImageAnnotation

🎉 Behold, the groundbreaking discovery that converting image PDFs into CSVs is a Herculean task! 😱 Who knew Optical Character Recognition existed? But hey, let's ask Large Language Models to save the day while we sip our artisanal coffee. ☕️
https://thescoop.org/archives/2025/06/09/how-openelections-uses-llms/index.html #imagePDFs #CSV #conversion #OCR #LargeLanguageModels #technews #HackerNews #ngated

Also presented at #dae2025 : a research platform developed by Dariah PL for uploading, annotating, enriching and sharing #humanities data. The platform also allows collaborations. Interesting features are embedded #OCR and #NER functionalities. Find out more: https://lab.dariah.pl/en/

My iPhone 8 Refuses to Die: Now It's a Solar-Powered Vision OCR Server | TerminalBytes.com

Link

So you turned your ancient iPhone 8 into a solar-powered #OCR server 🤔. Congratulations, you've finally given your phone a job it never asked for, while the rest of us replace ours every two years for no reason. 🌞📱➡️💻 #FirstWorldProblems
https://terminalbytes.com/iphone-8-solar-powered-vision-ocr-server/ #iPhone8 #SolarPower #techInnovation #FirstWorldProblems #repurpose #HackerNews #ngated

On the Road

On Tuesday, as part of the @Textplus plenary at @unigoettingen, our FID showcased a poster and gave a presentation on digital age text corpora.

#textplus #unigöttingen #textcorpora #digitalage #ocr

📰 Neu im HERMES-Blog: Rückblick auf unsere erste Data Challenge!

💡 Das Siegerteam zeigt eindrucksvoll, wie KI – konkret LLMs – auch unter Hardware-Beschränkungen für die Vorverarbeitung großer Datenmengen in den Geisteswissenschaften genutzt werden kann.

Jetzt den Beitrag lesen: 👉 https://hdl.hypotheses.org/2224

#DigitalHumanities #DataChallenge #Zeitungsdaten #OCR #LLM #AIinHumanities #DataLiteracy #Geisteswissenschaften #Interdisziplinarität #Lehre #Teamarbeit

stole your image of a social media post, yadda yadda…

❝ COLLINS: “Tulsi Gabbard testified in March that the intelligence community said lran wasn't building a nuclear weapon.”

TRUMP: “l don't care what she said. | think they were very close to having one.” ❞

BTW: the #OCR app for #android is an absolute must have:
OCR - https://f-droid.org/packages/io.github.subhamtyagi.ocr

source:
https://universeodon.com/@jaykuo/114700262475629368

#Iran #Israel #nuclearWar #fascism

Provizorní ninja dráha (na první fotce) se osvědčila, tak jsem začal stavět o kousek lepší. Výhoda nové verze bude ta, že na ní můžu i já a nebudu dřít koleny o zem 😀
#ocr

@NanetteRissler @dariaheu You seem to be the only Mastodonian posting on #dae2025 so far --- so I thought I should say hello! 🤗 I am here to co-chair the #dariahTeach working group and to give a paper on #OCR and options to integrate #LLMs in the text recognition workflow. This paper is based on a workshop I gave with @koen_hufkens at @DHLab_IEG earlier this year.

We’re working on an extension that lets you send images to OCR services right from your #IMMARKUS workspace!

• Submit full images or selected regions
• Run multiple passes, preview results
• Import word- or line-level annotations
• Works with local files and #IIIF

Got an OCR engine or map-text service we should support? Reach out!

Or just need a flexible tool to annotate historical images? Try IMMARKUS: https://immarkus.xmarkus.org

#DigitalHumanities #IIIF #OCR

Что будет, если пригласить на свидание OCR и GPT?

Привет, Хабр! Снова на связи Кирилл Пронин, разработчик PIX RPA из PIX Robotics , со мной Александр Сулейкин , Founder DUC Technologies и сегодня мы с вами затронем тему «Что будет, если объединить OCR и GPT?». Признайтесь честно, видели какие ужасные результаты распознавания выдают современные open source решения для кириллицы? Вряд ли из коробки, можно что-то использовать сразу в своих решениях роботизации и автоматизации. Но что же будет, если мы обучим модель не через стандартные методы машинного обучения, а через GPT? Каков будет результат? Стоит ли это исследовать и браться за реализацию? Обо всем подробно в этой статье.

https://habr.com/ru/articles/919104/

#open_source #искусственный_интеллект #машинное_обучение #машинное_зрение #оптическое_распознавание #ocrтехнологии #idp #ocr #обучение_нейронных_сетей

6月16日に、電子情報技術産業協会 #JEITA が各種出荷統計情報を更新。1月-3月分(暦年で第1四半期、年度で第4四半期)を追加。
イメージスキャナは https://www.jeita.or.jp/japanese/stat/scanner/2025.html
OCRは https://www.jeita.or.jp/japanese/stat/ocr/2025.html
プリンターは https://www.jeita.or.jp/japanese/stat/printer/2025.html
流通POS端末は https://www.jeita.or.jp/japanese/stat/distribution/2024.html
を参照。
#Statistics #Printer #Scanner #Terminal #OCR

🌕 Nanonets-OCR-s
➤ 智慧 OCR，文件處理新境界
✤ https://huggingface.co/nanonets/Nanonets-OCR-s
Nanonets-OCR-s 是一款先進的圖像轉 Markdown 光學字元辨識 (OCR) 模型，能將文件轉換為結構化的 Markdown 格式，並具備智慧內容識別和語義標記功能。它支援 LaTeX 公式識別、圖像描述、簽名偵測、浮水印提取、智慧核取方塊處理以及複雜表格提取，方便後續的大型語言模型 (LLM) 處理。使用者可透過 Transformers、vLLM 或 docext 等多種方式使用此模型。
+ 這個模型的功能太強大了，能自動轉換 LaTeX 公式和表格，省去了許多人工處理的時間。
+ 我很期待將這個模型應用在法律文件處理上，簽名偵測的功能真的很有幫助。
#人工智慧 #OCR #文件處理

Spoiler alert: "ALTO KNIGHTS" is *not* about OCR post-correction

#Code4Lib #DigiPres #OCR

#NormCap - Un #OCR gratuit pour #capturer directement le #texte, sans besoin de faire des #captures d’ #écran intermédiaires inutiles. #NormCap est basé sur #Tesseract, le moteur OCR #opensource #foss de #Google qui reconnaît plus de 100 langues. korben.info/normcap-ocr-...

NormCap - Un OCR gratuit pour ...

#NormCap - Un #OCR gratuit pour #capturer directement le #texte, sans besoin de faire des #captures d’ #écran intermédiaires inutiles.
#NormCap est basé sur #Tesseract, le moteur OCR #opensource #foss de #Google qui reconnaît plus de 100 langues.

https://korben.info/normcap-ocr-gratuit-capture-texte-directement.html

This OCR model turns document images into clean markdown with tables, LaTeX and more. Your LLMs will thank you. #OCR #ML #DevTools https://huggingface.co/nanonets/Nanonets-OCR-s

How to Extract Text from Images Using AI? Best AI Tools Do It for YOU!

Looking for the best AI tool to extract text from images?

See here - https://techchilli.com/artificial-intelligence/ai-tools-for-text-extract-from-images/

#AItools #OCR #TechChilli