/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
dinov3-vitb16-pretrain-lvd1689m
Библиотека
transformers
Опубликована
9 июл 2026

8-class-tibetan-page-classifier

Классификация изображенийИзображение → label

Классификатор BDRC определяет тип и класс письма на изображениях страниц тибетских рукописей и печатных изданий для маршрутизации в OCR-конвейере.

0скачиваний за 30 дней0лайковвеса обновлены18 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

BDRC/8-class-tibetan-page-classifier — модель BDRC для классификации изображений страниц тибетских рукописей и печатных изданий. Она дообучена на DINOv3 ViT-B/16 и относит страницу к одному из восьми классов: шесть классов тибетского письма, многоязычная страница, страница без тибетского текста, пустая страница или страница без обычного текста.

Модель предназначена для предварительной маршрутизации страниц в OCR-конвейере: она помогает выбрать подходящий сценарий распознавания или исключить страницы без текста. В README указаны точность 91,6% и macro F1 0,916 на тестовой выборке из 479 изображений; для проверки и обучения применялась предобработка center crop. Репозиторий содержит веса PyTorch и скрипт инференса на torch и transformers. Лицензия указана как other, поэтому условия использования следует уточнить по карточке модели.

Сценарии применения

  • классификация страниц тибетских рукописей по типу письма
  • отбор страниц для подходящего сценария OCR
  • обнаружение пустых страниц и страниц с просвечиванием текста
  • выявление страниц с таблицами, иллюстрациями или нотными записями
  • определение страниц с нетибетским или смешанным письмом

Ограничения

На тестовой выборке из 479 изображений точность и macro F1 составили 91,6%; качество на других типах изображений и вне указанных восьми классов не описано. Лицензия указана как other, поэтому условия повторного использования требуют уточнения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

8-Class Tibetan Page Classifier (DINOv3 ViT-B)

Page-level classification of Tibetan manuscript / print images into 8 classes: danyig_pedri, druma, gyuyig_tsugdri, multiscript, non_tibetan, uchen, blank, nonplaintext.

The six script classes match BDRC/6-class-tibetan-script-classifier; this model adds two page-type classes — blank (blank / bleed-through pages) and nonplaintext (tables, illustration-only pages, musical scores) — so an OCR pipeline can route pages before recognition.

Fine-tuned DINOv3 ViT-B/16.

Dataset (HF): BDRC/8-class-tibetan-page-classification-dataset
Experiment: dinov3_8way_vitb16_center_crop
Checkpoint: best_stage_main.pt (epoch 9, val macro-F1 0.950)

Quick start

python inference.py --checkpoint final_model.pt --image page.jpg
from inference import DINOv3Classifier, label_order
from transformers import AutoImageProcessor
import torch

ckpt = torch.load("final_model.pt", map_location="cpu", weights_only=False)
classes = label_order(ckpt)
model = DINOv3Classifier(ckpt["model_id"], num_classes=len(classes), pooling=ckpt["pooling"])
model.load_state_dict(ckpt["model_state_dict"]); model.eval()
processor = AutoImageProcessor.from_pretrained(ckpt["model_id"])

inference.py ships alongside the weights — no extra dependencies beyond torch and transformers.

Preprocessing (inference)

SplitMode
traincenter_crop
valcenter_crop
testcenter_crop

Short-edge resize to 448 then center crop. Pooling: cls_mean_std (CLS ⊕ patch-mean ⊕ patch-std).

Test metrics (n=479)

MetricValue
Accuracy91.6%
Macro F10.916
Weighted F10.916
Loss0.4955

Per-class (test)

precision    recall  f1-score   support

  danyig_pedri       0.79      0.77      0.78        60
         druma       0.86      0.85      0.86        60
gyuyig_tsugdri       0.89      0.98      0.94        60
   multiscript       0.89      0.83      0.86        60
   non_tibetan       0.98      0.97      0.97        60
         uchen       1.00      1.00      1.00        60
         blank       0.98      0.95      0.97        60
  nonplaintext       0.92      0.98      0.95        59

      accuracy                           0.92       479
     macro avg       0.92      0.92      0.92       479
  weighted avg       0.92      0.92      0.92       479

Training config

SettingValue
Stageshead-warmup (1 ep) + main (10 ep) + polish (2 ep)
LR backbone / head (main)2e-05 / 0.001
Scheduler maincosine_warmup
Samplerclass-balanced (WeightedRandomSampler)
Label smoothing0.05
Weight decay0.02
Dropout0.3
Gradient clip1.0

Training history

Training curves

Confusion matrix (test)

Confusion matrix

Files

FileDescription
final_model.ptWeights + idx_to_label + model_id + pooling + metrics
inference.pyStandalone inference (torch + transformers only)
results.jsonFull training config, history, per-class report
confusion_matrix.pngConfusion-matrix plot
training_history.pngLoss / F1 curves
split_stats.jsonTrain/val/test class counts

Load weights

import torch
ckpt = torch.load("final_model.pt", map_location="cpu", weights_only=False)
print(ckpt["test_metrics"]); print(ckpt["idx_to_label"])

Citation

@misc{8classtibetanpageclassifier,
  title  = {8-Class Tibetan Page Classifier (DINOv3 ViT-B)},
  author = {Buddhist Digital Resource Center and OpenPecha},
  year   = {2026},
  url    = {https://huggingface.co/BDRC/8-class-tibetan-page-classifier},
  dataset = {https://huggingface.co/datasets/BDRC/8-class-tibetan-page-classification-dataset},
  note   = {Trained on BDRC manuscript images}
}

License

The fine-tuned model weights are derivative works of DINOv3 and are distributed under the DINOv3 License. The original inference code in this repository is available under the Apache License 2.0.

Acknowledgements

All images are provided by the Buddhist Digital Resource Center (BDRC). This dataset was developed by Dharmaduta from specifications provided by BDRC for the project "The BDRC Etext Corpus", with funding from the Khyentse Foundation. Buddhist Digital Resource Center (BDRC). Developed by Dharmaduta / OpenPecha.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · image-classification

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
69b96b2

0 моделей