This model generate the math expression LATEX sequence according to the handwritten math expression image.
in CROHME 2014 test dataset CER=0.507772718700326
Характеристики
- Архитектура
- vision-encoder-decoder · dense
- Опубликована
- 11 мар 2022
Ссылки
trocr-handwritten-math
Изображение и текст → текст3 профессии
Модель распознаёт рукописные математические выражения на изображениях и преобразует их в LaTeX.
37скачиваний за 30 дней5лайковвеса обновлены11 мар 2022
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Azu/trocr-handwritten-math — модель семейства TrOCR от автора Azu для распознавания рукописных математических выражений на изображениях и преобразования их в последовательности LaTeX. Она использует архитектуру vision-encoder-decoder и доступна в формате PyTorch. В README приведён результат CER 0,5078 на тестовой выборке CROHME 2014.
Модель подходит для оцифровки рукописных формул и подготовки математических записей в LaTeX. Указанный результат на CROHME 2014 свидетельствует об ошибках распознавания; качество на других наборах данных и типах рукописного ввода не описано. Сведения о лицензии в доступных данных отсутствуют.
Сценарии применения
- распознавание рукописных формул с изображений
- преобразование математических записей в LaTeX
- оцифровка рукописных математических выражений
Ограничения
В тесте CROHME 2014 указана доля символьных ошибок CER 0,5078; качество на других данных не описано. Лицензия в доступных данных не указана.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- VisionEncoderDecoderModel
- Ревизия весов
- fc8dc98