Сегодня впервые попробовал Nazgul 5. Очень страшно, но очень круто. О впечатлениях от полета я расскажу завтра, когда будет готово видео. А пока повосхищаюсь самим аппаратом.
Nazgul 5 это пятидюймовый гоночно-фристайловый квадрокоптер от китайской компании iFlight. "Пять дюймов" в обозначении класса дронов — это диаметр окружности, описанной вокруг пропеллера. Ещё у меня лежит нераспакованный 7" коптер и идёт по почте 3.5".
Такие дроны делаются совсем не так, как у DJI. Здесь всё принесено в жертву эффективности и модульности: рама из листового карбона, распространенный полётный контроллер с open source прошивкой, и, что меня особенно поразило — первый в моей жизни коммерческий серийный продукт, где всерьёз используются 3D-печатные детали. Знаю, что подобное встречается у самих 3D-принтеров, но там скорее некоторая дань моде, а здесь буквально уместное применение: компания предоставляет модели для самостоятельной печати, если ты после падения что-то сломаешь.
При этом сборка очень добротная, качество высокое, есть претензия на дизайн. Девайс приятно вертеть в руках, он ощущается эдакой выжимкой "всё нужное и ничего лишнего".
Но, конечно, здесь не будет как у DJI: достал из коробки и пошёл летать. Сначала я потратил вечер на всякие настройки прошивки через компьютер и связывание этого всего с пультом и очками. Очки кстати подходят от DJI, а вот пульт нужен специальный, который я разбирал в одном из предыдущих постов.
Аккумулятор у такого дрона покупается отдельно и крепится к раме обычными ремнями-липучками. Он даже не ощущается частью общей конструкции, а скорее некоторым грузом, который коптер везёт на себе.
В общем, по-своему красивая и гармоничная вещица. А уж в полёте... Но об этом завтра :)
#drone#gadgets
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