В Петербурге будут расширять зону платных парковок. С 1 июля добавят 56 новых улиц, затем с 1 сентября ещё столько же, и до конца года хотят плюс 153 улицы. Пока всё в центре, причем, даже не включают Ваську, Горьковскую, Петроградку (хотя уж там сам бог велел разобраться с парковками).
Как автомобилист :) я категорически поддерживаю эту инициативу и, на мой взгляд, платные парковки на обычных улицах нужно вводить вообще по всему городу. Ранее я уже писал, что не так редко встречается проблема, когда водители банально не могут разъехаться из-за припаркованных авто на узкой улице, и вынуждены подвергать себя, автомобиль и окружающих людей дополнительной опасности, например, сдавая задним ходом продолжительное время. Не знаю как в центре, но на окраине эта проблема достаточно систематическая.
А в центр я не езжу за редкими исключениями. Пару раз пришлось, но стараюсь такого избегать. Не знаю, решат ли хоть чуть-чуть платные парковки проблему загруженности движения: будут ли люди реже выбирать в качестве транспорта до центра автомобиль, если за стоянку придётся платить? Я бы и въезд в центр тоже платным сделал. А ещё лучше — пешеходный центр с перехватывающими парковками вокруг. Но на такое нужна управленческая воля уровня руководителей европейских городов — в Петербурге подобного ожидать не приходится, к сожалению.
Уже писал ранее о том, насколько по Москве комфортно гулять из-за отсутствия стояночной свалки вокруг. Хочется верить, что в Петербурге мы движемся к чему-то такому.
#life
Image to Text OCR is a utility website made by Alejandro Akbal for extracting text from any image using #OCR.
This tool was made for those moments where you take a photo of some text and wish you could have it digitally.
https://github.com/AlejandroAkbal/Image-to-Text-OCR
Online: https://image-to-text-ocr.netlify.app/
🦉 LightOnOCR-1B: новая быстрая OCR-модель от LightOn
Модель дистиллирована из Qwen2-VL-72B-Instruct и обучена на корпусе из 17.6 млн страниц / 45.5 млрд токенов.
🔥 Главное:**
-1 B параметров
- позволяет обрабатывать 5.7 страниц/с на одном H100 (это примерно ≈ 493 000 страниц за день)
- Распознаёт таблицы, формы, уравнения и сложные макеты
- 6.5× быстрее dots.ocr, 1.7× быстрее DeepSeekOCR
- Расходы < $0.01 за 1000 страниц A4
📊 Качество (Olmo-Bench):
- Превосходит DeepSeekOCR
- Сопоставима с dots.ocr (при этом модель в 3 раза меньше по весу)
- +16 пт к Qwen3-VL-2B-Instruct
Эта моделька - отличный баланс качества, скорости и стоимости.
🟢Модель 1B: https://huggingface.co/lightonai/LightOnOCR-1B-1025
🟢Модель 0.9B (32k): https://huggingface.co/lightonai/LightOnOCR-0.9B-32k-1025)
🟢Блог LightOn:https://huggingface.co/blog/lightonai/lightonocr
🟢Демка: https://huggingface.co/spaces/lightonai/LightOnOCR-1B-Demo
@ai_machinelearning_big_data
#ocr#ml
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr#DeepSeek