按业务能力筛选

图像与视频理解

识别图片视频里有什么：分类、检测、分割、OCR

数据截至 8/1 18:48（构建快照，正在获取最新）

业务价值识别图片和视频中的对象、文字与场景
更适合质检、内容审核、文档处理和媒体团队
投入提醒需要准备真实样本验证识别准确率

以下项目优先展示近期仍在维护的条目。进入详情页继续核对中文解读、许可和官方来源。

  1. 1
    MinerUGitHub图像与视频理解

    MinerU 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估许可待核对
    76.4kstar1 天前更新Python
    看中文选型解读官方项目
  2. 2
    tesseractGitHub图像与视频理解

    tesseract 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    75.7kstar2 天前更新C++
    看中文选型解读官方项目
  3. 3
    ultralyticsGitHub图像与视频理解

    ultralytics 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估AGPL-3.0 · 注意开源义务
    60.1kstar今天仍在更新Python
    看中文选型解读官方项目
  4. 4
    yolov5GitHub图像与视频理解

    yolov5 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估AGPL-3.0 · 注意开源义务
    57.8kstar今天仍在更新Python
    看中文选型解读官方项目
  5. 5
    supervisionGitHub图像与视频理解

    supervision 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估MIT · 可评估商用
    48.5kstar今天仍在更新Python
    看中文选型解读官方项目
  6. 6
    paperless-ngxGitHub图像与视频理解

    paperless-ngx 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估GPL-3.0 · 注意开源义务
    43.8kstar今天仍在更新Python
    看中文选型解读官方项目
  7. 7
    ShareXGitHub图像与视频理解

    ShareX 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估GPL-3.0 · 注意开源义务
    38.9kstar今天仍在更新C#
    看中文选型解读官方项目
  8. 8
    frigateGitHub图像与视频理解

    frigate 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估MIT · 可评估商用
    34.7kstar今天仍在更新TypeScript
    看中文选型解读官方项目
  9. 9
    OCRmyPDFGitHub图像与视频理解

    OCRmyPDF 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估MPL-2.0 · 以官方许可为准
    34.3kstar1 天前更新Python
    看中文选型解读官方项目
  10. 10
    label-studioGitHub图像与视频理解

    label-studio 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    28.0kstar今天仍在更新TypeScript
    看中文选型解读官方项目
  11. 11
    cvatGitHub图像与视频理解

    cvat 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估MIT · 可评估商用
    16.4kstar今天仍在更新Python
    看中文选型解读官方项目
  12. 12
    unstructuredGitHub图像与视频理解

    unstructured 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    15.2kstar今天仍在更新HTML
    看中文选型解读官方项目
  13. 13
    Skill_SeekersGitHub图像与视频理解

    Skill_Seekers 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估MIT · 可评估商用
    14.7kstar今天仍在更新Python
    看中文选型解读官方项目
  14. 14
    EasydictGitHub图像与视频理解

    一个简洁优雅的词典翻译 macOS App。开箱即用，支持离线 OCR 识别，支持有道词典，🍎 苹果系统词典，🍎 苹果系统翻译，OpenAI，Gemini，DeepL，Google，Bing，腾讯，百度，阿里，小牛，彩云和火山翻译。A concise and elegant Dictionary and Translator macOS App for looking up words and translating text.

    质检、内容审核、文档处理和媒体团队上手门槛：需评估GPL-3.0 · 注意开源义务
    14.1kstar1 天前更新Swift
    看中文选型解读官方项目
  15. 15
    pytorch-grad-camGitHub图像与视频理解

    pytorch-grad-cam 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估MIT · 可评估商用
    12.9kstar近 30 天仍在维护Python
    看中文选型解读官方项目
  16. 16
    LunaTranslatorGitHub图像与视频理解

    视觉小说翻译器 / Visual Novel Translator

    质检、内容审核、文档处理和媒体团队上手门槛：需评估GPL-3.0 · 注意开源义务
    12.6kstar今天仍在更新C++
    看中文选型解读官方项目
  17. 17
    liteparseGitHub图像与视频理解

    liteparse 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    11.9kstar今天仍在更新Rust
    看中文选型解读官方项目
  18. 18
    fiftyoneGitHub图像与视频理解

    fiftyone 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    11.0kstar今天仍在更新TypeScript
    看中文选型解读官方项目
  19. 19
    PyMuPDFGitHub图像与视频理解

    PyMuPDF 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估AGPL-3.0 · 注意开源义务
    10.4kstar1 天前更新Python
    看中文选型解读官方项目
  20. 20
    manga-image-translatorGitHub图像与视频理解

    Translate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ (no longer working)

    质检、内容审核、文档处理和媒体团队上手门槛：需评估GPL-3.0 · 注意开源义务
    10.3kstar近 30 天仍在维护Python
    看中文选型解读官方项目
  21. 21
    techniquesGitHub图像与视频理解

    techniques 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    10.2kstar近 30 天仍在维护
    看中文选型解读官方项目
  22. 22
    X-AnyLabelingGitHub图像与视频理解

    X-AnyLabeling 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估GPL-3.0 · 注意开源义务
    9.9kstar今天仍在更新Python
    看中文选型解读官方项目
  23. 23
    notebooksGitHub图像与视频理解

    notebooks 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估许可待核对
    9.6kstar近 30 天仍在维护Jupyter Notebook
    看中文选型解读官方项目
  24. 24
    rf-detrGitHub图像与视频理解

    rf-detr 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    8.8kstar今天仍在更新Python
    看中文选型解读官方项目
  25. 25
    STranslateGitHub图像与视频理解

    A ready-to-go translation ocr tool developed with WPF/WPF 开发的一款即用即走的翻译、OCR工具

    质检、内容审核、文档处理和媒体团队上手门槛：需评估MIT · 可评估商用
    7.7kstar2 天前更新C#
    看中文选型解读官方项目
  26. 26
    RapidOCRGitHub图像与视频理解

    RapidOCR 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    7.3kstar今天仍在更新Python
    看中文选型解读官方项目
  27. 27
    doctrGitHub图像与视频理解

    doctr 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估Apache-2.0 · 可评估商用
    6.2kstar4 天前更新Python
    看中文选型解读官方项目
  28. 28
    lmms-evalGitHub图像与视频理解

    lmms-eval 属于图像与视频理解方向，主要用于识别图片和视频中的对象、文字与场景。

    质检、内容审核、文档处理和媒体团队上手门槛：需评估许可待核对
    4.3kstar今天仍在更新Python
    看中文选型解读官方项目

另有 54 个项目因近期无提交或缺少数据未列入。