OCR 相关技术文章（第2页）

php mysql shell go vue css api接口对接支付接口对接

百度 Unlimited OCR 深度解析：R-SWA 如何把 KV Cache 从线性增长压成常数，端到端 OCR 的长文档革命

百度 Unlimited OCR 深度解析：R-SWA 如何把 KV Cache 从线性增长压成常数，端到端 OCR 的长文档革命
2026-06-29 19:45:14
深度解析百度开源的 Unlimited OCR：R-SWA 如何把 KV Cache 从线性增长压成常数，解决长文档 OCR 的失忆问题，OmniDocBench v1.6 刷新 SOTA 93.92%
Unlimited OCR 百度 OCR 端到端长文档 R-SWA 开源深度学习文档解析 Markdown

百度 Unlimited OCR 深度解析：R-SWA 把 KV Cache 压成常数，长文档 OCR 终于迎来「一次看完」时代

百度 Unlimited OCR 深度解析：R-SWA 把 KV Cache 压成常数，长文档 OCR 终于迎来「一次看完」时代
2026-06-29 15:13:32
百度 Unlimited OCR 用 R-SWA 机制把 KV Cache 压成常数，首次实现 40+ 页文档单次前向解析。深度解析 R-SWA 原理、模型架构、性能基准与实战部署。
百度 Unlimited OCR OCR R-SWA KV Cache 长文档端到端OCR DeepEncoder MoE 参考滑动窗口注意力

百度 Unlimited OCR 开源：用常数级 KV Cache 一次性吃下整本书

百度 Unlimited OCR 开源：用常数级 KV Cache 一次性吃下整本书
2026-06-29 06:14:12
百度开源 Unlimited OCR 模型，用常数级 KV Cache 解决长文档识别难题。30亿参数端到端架构，推理仅激活5亿参数，单次前向识别几十页文档，OmniDocBench v1.6 总分93.92%刷新SOTA。
OCR 开源百度 DeepSeek 端到端长文档

百度 Unlimited OCR 深度解析：R-SWA 如何让长文档 OCR 从"逐页煎熬"走向"一次搞定"

百度 Unlimited OCR 深度解析：R-SWA 如何让长文档 OCR 从"逐页煎熬"走向"一次搞定"
2026-06-28 14:13:06
深度解析百度 Unlimited OCR 的 R-SWA 参考滑动窗口注意力机制，如何将 KV Cache 从线性增长压到常数，使长文档 OCR 性能恒定不衰减。含完整架构分析、训练配方、性能基准和实战代码。
Unlimited OCR R-SWA OCR 端到端百度文档识别 KV Cache MoE DeepEncoder 长文档处理

百度 Unlimited OCR 深度实战：30亿参数仅激活5亿、R-SWA注意力革命——长文档OCR端到端SOTA完全指南（2026）

百度 Unlimited OCR 深度实战：30亿参数仅激活5亿、R-SWA注意力革命——长文档OCR端到端SOTA完全指南（2026）
2026-06-28 06:43:54
百度2026年6月开源Unlimited OCR：30亿参数仅激活5亿，R-SWA注意力把KV Cache压成常数，一次前向推理处理几十页文档，OmniDocBench v1.6得分93.92%刷新SOTA。
百度 Unlimited OCR OCR R-SWA 长文档端到端 MoE SGLang

百度 Unlimited OCR 深度解读：R-SWA 如何将 KV Cache 压成常数，5天 GitHub Star 破万的端到端 OCR 新范式

百度 Unlimited OCR 深度解读：R-SWA 如何将 KV Cache 压成常数，5天 GitHub Star 破万的端到端 OCR 新范式
2026-06-27 09:15:20
百度开源 Unlimited OCR，5天 GitHub Star 破万。本文深度解析其核心创新 R-SWA（Reference Sliding Window Attention），如何将解码器 KV Cache 从线性增长压成常数，OmniDocBench v1.6 刷榜 SOTA（93.92%），30B 总参/5B 激活，32K 超长上下文，一次前向全稿转录，附完整代码实战。
Unlimited OCR R-SWA KV Cache MoE 端到端 OCR 百度深度学习 Transformer 文档识别 OCR

百度 Unlimited OCR 深度实战：告别「越生成越慢」，一次性解析整本书的 OCR 革命

百度 Unlimited OCR 深度实战：告别「越生成越慢」，一次性解析整本书的 OCR 革命
2026-06-27 02:13:37
深度解析百度2026年6月开源的Unlimited OCR模型，介绍其R-SWA机制如何解决长文档OCR的KV cache线性增长问题，包含完整实战代码和性能优化技巧。
Unlimited OCR 百度 OCR 深度学习 MoE R-SWA 长文档解析

百度开源Unlimited OCR：3B参数500M激活拿下全球第一，疑似DeepSeek出走大神之作

百度开源Unlimited OCR：3B参数500M激活拿下全球第一，疑似DeepSeek出走大神之作
2026-06-22 20:57:32
百度开源Unlimited OCR：3B参数500M激活，在OmniDocBench v1.6拿下93.92%端到端SOTA超越Qwen3-VL和Gemini。核心技术R-SWA参考滑动窗口注意力+DeepEncoder 16倍视觉压缩，实现40+页长程解析不失忆。疑似DeepSeek OCR核心作者魏浩然出走百度之作。
百度 OCR 开源 R-SWA DeepEncoder MoE 长程解析 SOTA

Papacito OS：本地转录+图片OCR+搜索，开源AI第二大脑有点实用

Papacito OS：本地转录+图片OCR+搜索，开源AI第二大脑有点实用
2026-06-20 13:43:05
Papacito OS 是一个本地优先的个人知识系统，基于 whisper.cpp 本地语音转文字 + Tesseract 图片 OCR + SQLite 关键词搜索。100% Local，适合会议录音、截图、白板、零散笔记整理。
AI 第二大脑本地优先知识管理转录 OCR 语音转文字开源 Next.js whisper.cpp Tesseract

微软开源 MarkItDown：万能格式转换神器，15+ 格式统一转 Markdown，狂揽 140K+ Star！

微软开源 MarkItDown：万能格式转换神器，15+ 格式统一转 Markdown，狂揽 140K+ Star！
2026-06-13 08:23:13
MarkItDown是微软AutoGen团队开源的文件格式转换工具，GitHub 140K+ Stars，将15+种文件格式(PDF/Office/图片/音频/视频/HTML/YouTube)统一转成Markdown，专为LLM优化，支持OCR和Azure AI集成。
MarkItDown 微软开源文件转换 Markdown RAG LLM OCR PDF Office 知识库

MarkItDown深度解析：微软开源10万星文档转Markdown神器，RAG知识库的终极数据入口

MarkItDown深度解析：微软开源10万星文档转Markdown神器，RAG知识库的终极数据入口
2026-04-19 00:15:20
微软AutoGen团队开源的MarkItDown，支持20+格式一键转Markdown，内置OCR和语音转写，专为LLM/RAG/知识库设计。10万星项目的深度技术解析，包含架构设计、代码实战、性能优化全攻略。
MarkItDown 微软开源 RAG 文档转换 OCR Python

PaddleOCR深度解析：登顶GitHub全球OCR王座，500万参数如何击败十亿参数视觉大模型

PaddleOCR深度解析：登顶GitHub全球OCR王座，500万参数如何击败十亿参数视觉大模型
2026-04-18 08:16:02
深入解析百度PaddleOCR登顶GitHub全球OCR项目Star第一的技术密码，剖析PP-OCRv5仅500万参数媲美十亿参数视觉大模型的工程奥秘
OCR PaddleOCR 深度学习百度开源

MonkeyOCR：国产开源OCR新星，结构化识别更高效

MonkeyOCR：国产开源OCR新星，结构化识别更高效
2025-07-22 18:09:30
MonkeyOCR是一款国产开源OCR工具，专注于高效的结构化识别，支持中英文复杂排版。其核心架构SRR三元组范式通过检测文档结构、进行高精度识别和推理结构关系，显著提升了识别准确率和速度。支持多种文档类型和应用场景，提供Docker一键部署和在线Demo体验，适合金融、科研和开发者使用。
OCR 开源软件文档自动化人工智能技术工具

Python 实现验证码识别：使用 Ddddocr 库

Python 实现验证码识别：使用 Ddddocr 库
2024-11-18 18:38:02
本文介绍了`ddddocr`库的使用，该库是一个基于`pytorch`和`onnxruntime`的开源OCR工具，专注于验证码和图片文字识别。提供了安装方法、基本使用示例、目标检测功能以及高级特性，如滑块检测和自定义模型导入。通过简单的代码示例，开发者可以快速实现OCR识别和目标检测，适合处理各种验证码场景。
Python OCR 图像处理机器学习开源

EasyOCR光学字符识别库，基于深度学习，支持80多种语言，能够快速准确地识别图片中的文字

EasyOCR光学字符识别库，基于深度学习，支持80多种语言，能够快速准确地识别图片中的文字
2024-11-19 06:41:57
EasyOCR是一个开源的光学字符识别库，基于深度学习，支持80多种语言，能够快速准确地识别图片中的文字。本文介绍了EasyOCR的安装、使用方法及在Python和PHP中的应用示例，涵盖了环境配置、代码示例及执行命令，适用于多种场景如文档数字化和车牌识别等。
OCR 深度学习图像处理编程开发工具

大家都在搜索什么？

devops 易支付一个官网+多少钱统一接受回调统一回调 python sub node 宝塔日志 mysql shell ElasticSearch css vue api接口对接 2025 支付接口对接 go php php回调