[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mateogianolio--ocr":3,"tool-mateogianolio--ocr":62},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":77,"owner_website":77,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":90,"env_os":91,"env_gpu":92,"env_ram":93,"env_deps":94,"category_tags":99,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":100,"updated_at":101,"faqs":102,"releases":132},8490,"mateogianolio\u002Focr","ocr","Neural network OCR.","ocr 是一个基于多层感知机（MLP）神经网络的开源光学字符识别工具，旨在让开发者轻松构建自定义的字符识别模型。它主要解决了从图像中提取文字的技术难题，特别适用于需要识别验证码或手写数字的场景。\n\n该工具的独特之处在于其灵活的数据生成机制：它能自动利用修改版的验证码生成器创建训练数据，同时也支持直接接入经典的 MNIST 手写数字数据集进行训练。用户只需提供二值化的图像数组作为输入，ocr 即可输出对应的字符概率预测。在性能表现上，它在 MNIST 数据集上的识别准确率可达 95% 以上，且训练完成后能导出为独立的 JavaScript 模块，方便直接集成到 Node.js 项目中调用。\n\nocr 非常适合具有一定编程基础的开发者、AI 初学者以及研究人员使用。对于希望深入理解神经网络原理、动手实践字符识别算法，或需要在项目中快速部署轻量级 OCR 功能的技术人员来说，这是一个极佳的学习与实践原型。虽然它不像商业级 OCR 引擎那样开箱即用支持复杂文档，但其代码结构清晰、配置灵活，是探索深度学习基础应用的理想起点。","# OCR\n\nTrains a multi-layer perceptron (MLP) neural network to perform optical character recognition (OCR).\n\nThe training set is automatically generated using a heavily modified version of the captcha-generator [node-captcha](http:\u002F\u002Fnpmjs.com\u002Fpackage\u002Fnode-captcha). Support for the MNIST handwritten digit database has been added recently (see performance section).\n\nThe network takes a one-dimensional binary array (default ```20 * 20 = 400```-bit) as input and outputs an 10-bit array of probabilities, which can be converted into a character code. Initial performance measurements show promising success rates.\n\nAfter training, the network is saved as a standalone module to ```.\u002Focr.js```, which can then be used in your project like this (from `test.js`):\n\n```javascript\nvar predict = require('.\u002Focr.js');\n\n\u002F\u002F a binary array that we want to predict\nvar one = [\n  0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n];\n\n\u002F\u002F the prediction is an array of probabilities\nvar prediction = predict(one);\n\n\u002F\u002F the index with the maximum probability is the best guess\nconsole.log('prediction:', prediction.indexOf(Math.max.apply(null, prediction)));\n\u002F\u002F will hopefully output 1 if trained with 0-9 :)\n```\n\n## Usage\n\nClone this repository. The script is using [canvas](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fcanvas), so you'll need to install the **Cairo** rendering engine. On OS X, assuming you have [Homebrew](http:\u002F\u002Fbrew.sh) installed, this can be done with the following (copied from canvas README):\n\n```bash\n$ brew install pkg-config cairo jpeg giflib\n```\n\nThen install npm dependencies and test it:\n\n```bash\n$ npm install\n$ node main.js\n$ node test.js\n```\n\n## Performance\n\nAll runs below were performed with a MacBook Pro Retina 13\" Early 2015 with 8GB RAM.\n\n### [MNIST [0-9]](http:\u002F\u002Fyann.lecun.com\u002Fexdb\u002Fmnist\u002F)\n\nTo test with the MNIST dataset: click on the title above, download the 4 data files and put them in a folder called ```mnist``` in the root directory of this repository.\n\n```javascript\n\u002F\u002F config.json\n{\n  \"mnist\": true,\n  \"network\": {\n    \"hidden\": 160,\n    \"learning_rate\": 0.03\n  }\n}\n```\n\nThen run\n\n```bash\n$ node mnist.js\n```\n\n* **Neurons**\n  * ```400``` input\n  * ```160``` hidden\n  * ```10``` output\n* **Learning rate:** ```0.03```\n* **Training set:** ```60000``` digits\n* **Testing set:** ```10000``` digits\n* **Training time:** ```21 min 53 s 753 ms```\n* **Success rate:** ```95.16%```\n\n### [A-Za-z0-9]\n\n```javascript\n\u002F\u002F config.json\n{\n  \"mnist\": false,\n  \"text\": \"abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ012356789\",\n  \"fonts\": [\n    \"sans-serif\",\n    \"serif\"\n  ],\n  \"training_set\": 2000,\n  \"testing_set\": 1000,\n  \"image_size\": 16,\n  \"threshold\": 400,\n  \"network\": {\n    \"hidden\": 60,\n    \"learning_rate\": 0.1,\n    \"output\": 62\n  }\n}\n```\n\n* **Neurons**\n  * ```256``` input\n  * ```60``` hidden\n  * ```62``` output\n* **Learning rate:** ```0.03```\n* **Training set**\n  * **Size:** ```124000``` characters\n  * **Sample:** ![abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmateogianolio_ocr_readme_c58fda9c9d2f.png)\n* **Testing set:** ```62000``` characters\n* **Training time:** ```8 min 18 s 560 ms```\n* **Success rate:** ```93.58225806451614%```\n\n### [a-z]\n\n```javascript\n\u002F\u002F config.json\n{\n  \"mnist\": false,\n  \"text\": \"abcdefghijklmnopqrstuvwxyz\",\n  \"fonts\": [\n    \"sans-serif\",\n    \"serif\"\n  ],\n  \"training_set\": 2000,\n  \"testing_set\": 1000,\n  \"image_size\": 16,\n  \"threshold\": 400,\n  \"network\": {\n    \"hidden\": 40,\n    \"learning_rate\": 0.1,\n    \"output\": 26\n  }\n}\n```\n\n* **Neurons**\n  * ```256``` input\n  * ```40``` hidden\n  * ```26``` output\n* **Learning rate:** ```0.1```\n* **Training set**\n  * **Size:** ```52000``` characters\n  * **Sample:** ![abcdefghijklmnopqrstuvwxyz](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmateogianolio_ocr_readme_23bc4991a2d9.png)\n* **Testing set:** ```26000``` characters\n* **Training time:** ```1 min 55 s 414 ms```\n* **Success rate:** ```93.83846153846153%```\n\n### [0-9]\n\n```javascript\n\u002F\u002F config.json\n{\n  \"mnist\": false,\n  \"text\": \"0123456789\",\n  \"fonts\": [\n    \"sans-serif\",\n    \"serif\"\n  ],\n  \"training_set\": 2000,\n  \"testing_set\": 1000,\n  \"image_size\": 16,\n  \"threshold\": 400,\n  \"network\": {\n    \"hidden\": 40,\n    \"learning_rate\": 0.1\n  }\n}\n```\n\n* **Neurons**\n  * ```256``` input\n  * ```40``` hidden\n  * ```10``` output\n* **Learning rate:** ```0.1```\n* **Training set**\n  * **Size:** ```20000``` digits\n  * **Sample:** ![0123456789](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmateogianolio_ocr_readme_5c00af9672a0.png)\n* **Testing set:** ```10000``` digits\n* **Training time:** ```0 min 44 s 363 ms```\n* **Success rate:** ```99.59%```\n\n## Configuration\n\nTweak the network for your needs by editing the ```config.json``` file located in the main folder. Pasted below is the default config file.\n\n```javascript\n\u002F\u002F config.json\n{\n  \"mnist\": false,\n  \"text\": \"0123456789\",\n  \"fonts\": [\n    \"sans-serif\",\n    \"serif\"\n  ],\n  \"training_set\": 2000,\n  \"testing_set\": 1000,\n  \"image_size\": 16,\n  \"threshold\": 400,\n  \"network\": {\n    \"hidden\": 40,\n    \"learning_rate\": 0.1\n  }\n}\n\n```\n\n* **```mnist```**\n  * If set to true, the MNIST handwritten digit dataset will be used for training and testing the network. This setting will overwrite configured set sizes and will ignore the ```image_size```, ```threshold```, ```fonts``` and ```text``` settings.\n* **```text```**\n  * A string containing the glyphs with which to train\u002Ftest the network.\n* **```fonts```**\n  * An array of fonts to be used when generating images.\n* **```training_set```**\n  * Number of images to be generated and used as the network training set.\n* **```testing_set```**\n  * Same as above, but these images are used for testing the network.\n* **```image_size```**\n  * The size of the square chunk (in pixels) containing a glyph. The resulting network input size is ```image_size```^2.\n* **```threshold```**\n  * When analyzing the pixels of a glyph, the algorithm reduces each pixel ```(r, g, b)``` to ```(r + g + b)``` and everything below ```threshold``` is marked as 1 in the resulting binary array used as network input.\n* **```network```**\n  * **```hidden```**\n    * The size (number of neurons) of the hidden layer of the network.\n  * **```learning_rate```**\n    * The learning rate of the network.\n","# OCR\n\n训练一个多层感知机（MLP）神经网络以执行光学字符识别（OCR）。\n\n训练集是使用经过大幅修改的验证码生成器 [node-captcha](http:\u002F\u002Fnpmjs.com\u002Fpackage\u002Fnode-captcha) 自动生成的。最近还增加了对 MNIST 手写数字数据库的支持（参见性能部分）。\n\n该网络以一维二进制数组（默认为 ```20 * 20 = 400``` 位）作为输入，并输出一个 10 位的概率数组，该数组可以转换为字符代码。初步性能测试显示具有令人鼓舞的准确率。\n\n训练完成后，网络会被保存为一个独立模块到 ```.\u002Focr.js```，然后可以在你的项目中这样使用（来自 `test.js`）：\n\n```javascript\nvar predict = require('.\u002Focr.js');\n\n\u002F\u002F 我们想要预测的二进制数组\nvar one = [\n  0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, ......# OCR\n\n训练一个多层感知机（MLP）神经网络以执行光学字符识别（OCR）。\n\n训练集是使用经过大幅修改的验证码生成器 [node-captcha](http:\u002F\u002Fnpmjs.com\u002Fpackage\u002Fnode-captcha) 自动生成的。最近还增加了对 MNIST 手写数字数据库的支持（参见性能部分）。\n\n该网络以一维二进制数组（默认为 ```20 * 20 = 400``` 位）作为输入，输出一个 10 位的概率数组，该数组可以转换为字符代码。初步性能测试显示具有令人鼓舞的准确率。\n\n训练完成后，网络会被保存为一个独立模块到 ```.\u002Focr.js```，随后可以在你的项目中这样使用（来自 `test.js`）：\n\n```javascript\nvar predict = require('.\u002Focr.js');\n\n\u002F\u002F 我们想要预测的二进制数组\nvar one = [\n  0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, ......\n\n## 配置\n\n通过编辑主文件夹中的 ```config.json``` 文件，可以根据您的需求调整网络配置。以下是默认的配置文件：\n\n```javascript\n\u002F\u002F config.json\n{\n  \"mnist\": false,\n  \"text\": \"0123456789\",\n  \"fonts\": [\n    \"sans-serif\",\n    \"serif\"\n  ],\n  \"training_set\": 2000,\n  \"testing_set\": 1000,\n  \"image_size\": 16,\n  \"threshold\": 400,\n  \"network\": {\n    \"hidden\": 40,\n    \"learning_rate\": 0.1\n  }\n}\n```\n\n* **```mnist```**\n  * 如果设置为 `true`，将使用 MNIST 手写数字数据集来训练和测试网络。此设置会覆盖已配置的数据集大小，并忽略 ```image_size```、```threshold```、```fonts``` 和 ```text``` 设置。\n* **```text```**\n  * 包含用于训练\u002F测试网络的字符的字符串。\n* **```fonts```**\n  * 生成图像时使用的字体数组。\n* **```training_set```**\n  * 生成并用作网络训练集的图像数量。\n* **```testing_set```**\n  * 同上，但这些图像用于测试网络。\n* **```image_size```**\n  * 包含一个字符的正方形区域的大小（以像素为单位）。最终的网络输入大小为 ```image_size``` 的平方。\n* **```threshold```**\n  * 在分析字符的像素时，算法会将每个像素 ```(r, g, b)``` 简化为 ```(r + g + b)```，并将低于 ```threshold``` 的值在作为网络输入的二进制数组中标记为 1。\n* **```network```**\n  * **```hidden```**\n    * 网络隐藏层的大小（神经元数量）。\n  * **```learning_rate```**\n    * 网络的学习率。","# OCR 快速上手指南\n\n本工具基于多层感知机（MLP）神经网络实现光学字符识别（OCR）。它支持使用自动生成的验证码图片或 MNIST 手写数字数据集进行训练，并输出可复用的预测模块。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：推荐 macOS 或 Linux（Windows 用户需配置 Cairo 渲染引擎环境）。\n*   **Node.js**：已安装 Node.js 及 npm。\n*   **核心依赖**：本项目依赖 `canvas` 包，因此必须预先安装 **Cairo** 渲染引擎及相关图形库。\n\n### macOS 安装前置依赖\n如果您使用 macOS 且已安装 [Homebrew](http:\u002F\u002Fbrew.sh)，请运行以下命令：\n\n```bash\n$ brew install pkg-config cairo jpeg giflib\n```\n\n### Linux (Ubuntu\u002FDebian) 安装前置依赖\n```bash\n$ sudo apt-get install libcairo2-dev libjpeg-dev libgif-dev\n```\n\n## 安装步骤\n\n1.  **克隆仓库**\n    ```bash\n    $ git clone \u003Crepository-url>\n    $ cd \u003Crepository-directory>\n    ```\n    *(注：请将 `\u003Crepository-url>` 替换为实际的项目地址，如有国内镜像源请优先使用)*\n\n2.  **安装 npm 依赖**\n    ```bash\n    $ npm install\n    ```\n    *提示：国内开发者如遇下载缓慢，可配置淘宝镜像源：`npm config set registry https:\u002F\u002Fregistry.npmmirror.com`*\n\n3.  **验证安装与试运行**\n    运行主脚本生成训练数据并训练网络（默认配置为 0-9 数字识别）：\n    ```bash\n    $ node main.js\n    ```\n    训练完成后，运行测试脚本验证效果：\n    ```bash\n    $ node test.js\n    ```\n\n## 基本使用\n\n训练完成后，项目根目录下会生成一个独立的模块文件 `ocr.js`。您可以在自己的项目中直接引用该模块进行字符预测。\n\n### 使用示例\n\n以下示例展示了如何加载训练好的模型并对一个代表数字 \"1\" 的二进制数组进行预测：\n\n```javascript\nvar predict = require('.\u002Focr.js');\n\n\u002F\u002F 一个待预测的二进制数组 (20x20 = 400 bit)\n\u002F\u002F 这里模拟了一个数字 \"1\" 的像素点阵\nvar one = [\n  0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 1, 0...... (省略中间部分以保持简洁，实际使用时需完整 400 位)\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0,\n  0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\n];\n\n\u002F\u002F 获取预测结果（返回一个概率数组）\nvar prediction = predict(one);\n\n\u002F\u002F 概率最大的索引即为识别出的字符代码\nconsole.log('prediction:', prediction.indexOf(Math.max.apply(null, prediction)));\n\u002F\u002F 如果模型是用 0-9 训练的，这里期望输出 1\n```\n\n### 自定义配置\n如需训练其他字符集（如 a-z, A-Z）或使用 MNIST 数据集，请编辑根目录下的 `config.json` 文件，调整 `text`、`fonts`、`network` 等参数后重新运行 `node main.js`。","某初创物流团队需要开发一个自动录入系统，将司机上传的手写运单照片快速转换为可编辑的数字文本。\n\n### 没有 ocr 时\n- 依赖人工肉眼识别图片中的数字和字母，每单平均耗时 2 分钟，效率极低且容易疲劳出错。\n- 无法直接对接现有数据库，必须安排专职数据录入员进行二次转录，人力成本高昂。\n- 遇到字体潦草或背景复杂的运单时，识别准确率波动大，缺乏统一的算法标准来处理异常数据。\n- 系统扩展性差，一旦业务量激增，只能单纯堆砌人力，无法通过技术手段实现自动化扩容。\n\n### 使用 ocr 后\n- 利用 ocr 训练好的神经网络模型，自动将 20x20 像素的二值化图像瞬间转换为字符概率数组，单单处理缩短至毫秒级。\n- 直接输出标准化的数字代码（如 0-9 或 A-Z），无缝写入后端数据库，彻底省去了中间人工录入环节。\n- 基于 MNIST 数据集或自定义验证码生成的训练集，ocr 对潦草手写体也能保持约 95% 的高成功率，显著降低误识率。\n- 模型保存为独立模块后可轻松集成到 Node.js 项目中，业务量增长时只需增加服务器算力即可线性提升处理能力。\n\nocr 通过将图像特征转化为机器可读的概率数据，让非结构化的手写图片变成了高效流转的结构化资产。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmateogianolio_ocr_31f93928.png","mateogianolio","Mateo Gianolio","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmateogianolio_1ba5b25c.jpg","Senior Full-stack Developer @orbital-systems",null,"Malmö, Sweden","gianoliomateo@gmail.com","https:\u002F\u002Fgithub.com\u002Fmateogianolio",[82],{"name":83,"color":84,"percentage":85},"JavaScript","#f1e05a",100,1132,94,"2026-03-01T04:47:22","MIT",4,"macOS, Linux, Windows","未说明","8GB (基于测试环境)",{"notes":95,"python":92,"dependencies":96},"该工具基于 Node.js 运行，非 Python 项目。在 macOS 上需通过 Homebrew 安装 Cairo 渲染引擎及其依赖（pkg-config, cairo, jpeg, giflib）才能使用 canvas 库；Linux 和 Windows 用户也需手动安装 Cairo 及相关图形库。训练过程在 CPU 上进行，无需 GPU。",[97,98],"node-captcha","canvas",[15],"2026-03-27T02:49:30.150509","2026-04-18T00:45:42.769971",[103,108,113,118,123,127],{"id":104,"question_zh":105,"answer_zh":106,"source_url":107},37999,"如何正确使用 ocr.js 模块？","维护者已更新代码和 README 文档，并添加了测试文件 `test.js` 供参考。如果您有字符图片，需要先将它们转换为 `test.js` 中展示的数组格式，然后按照 README 中的说明进行使用。","https:\u002F\u002Fgithub.com\u002Fmateogianolio\u002Focr\u002Fissues\u002F6",{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},38000,"运行时报错 'SyntaxError: Unexpected token ,' 怎么办？","这通常是由于依赖版本过旧导致的。请尝试克隆最新的仓库代码，然后运行以下命令更新依赖：\n```bash\n$ npm install\n$ node main.js\n```\n如果问题仍然存在，可以尝试将 `synaptic` 库手动更新至 1.0.2 或更高版本。","https:\u002F\u002Fgithub.com\u002Fmateogianolio\u002Focr\u002Fissues\u002F5",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},38001,"如何在 Windows 上解决生成图片时程序崩溃的问题？","在 Windows 上运行前，请务必遵循 `node-canvas` 的 Windows 安装指南完成环境配置。请参考官方 Wiki：https:\u002F\u002Fgithub.com\u002FAutomattic\u002Fnode-canvas\u002Fwiki\u002FInstallation---Windows。由于维护者主要在 OSX 上测试，确保底层绘图库安装正确是解决此类崩溃的关键。","https:\u002F\u002Fgithub.com\u002Fmateogianolio\u002Focr\u002Fissues\u002F11",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},38002,"如何使用自己的字体或图片数据进行训练？","如果您知道具体字体，最简单的方法是在配置文件中指定该字体（并调整大小等参数），让网络自行训练。训练完成后，若要识别自己的图片，需先编写解析函数将图片转换为配置文件中指定大小的位数组（bit array）。可以参考 `main.js` 中的 `parse` 和 `mnist` 函数作为转换示例。","https:\u002F\u002Fgithub.com\u002Fmateogianolio\u002Focr\u002Fissues\u002F3",{"id":124,"question_zh":125,"answer_zh":126,"source_url":117},38003,"如何将图片输入到神经网络中进行预测？","建议先将图片转换为黑白（BW）图像，如有必要，可应用特征增强算法（如 Stroke Width Transform）以提高预测质量。此外，将字符居中处理也有助于提升效果。最终需要将处理后的图像数据转换为原始二进制数据或数组，再传递给 `predict()` 函数。",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},38004,"main.js 中存在未解决的代码冲突导致无法运行怎么办？","这是一个已知的问题，维护者已经修复了 `main.js` 中的代码冲突。请拉取（pull）或重新克隆（clone）最新的仓库代码即可解决该问题。","https:\u002F\u002Fgithub.com\u002Fmateogianolio\u002Focr\u002Fissues\u002F9",[]]