/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
torchocr
Опубликована
6 окт 2026

torchocr-weights

Описание изображенийИзображение → текст

Набор весов DBNet для torchocr обнаруживает текстовые области на изображениях, прежде всего латинскую надпись на уличных фотографиях.

0скачиваний за 30 дней0лайковвеса обновлены6 окт 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

В репозитории BryanBradfo/torchocr-weights опубликованы предобученные веса для библиотеки распознавания текста torchocr на PyTorch. Это набор чекпойнтов детектора DBNet с MobileNetV3 Large, включая варианты, связанные с ICDAR-2015 и PPOCR v3; README показывает их загрузку через перечисления *_Weights, а при обычном использовании torch.hub загружает файл автоматически и проверяет SHA-256. Для варианта, дообученного на 1000 изображениях ICDAR-2015, указаны 0,60 млн параметров и метрика hmean 0,734 на тесте ICDAR-2015 по протоколу обнаружения текста.

Веса предназначены для поиска областей текста на фотографиях уличных сцен, в частности латинского текста. Они выдают текстовые области в виде четырёхугольников, которые затем можно передать компонентам распознавания torchocr. README приводит также китайский и английский варианты PPOCR v3, однако подробно описанный сценарий оценки ориентирован на латинский текст. Лицензия репозитория — Apache-2.0.

Описанные показатели относятся к конкретному протоколу и настройкам обработки; они не гарантируют такую же точность на документах или иных изображениях. README предупреждает о снижении полноты обнаружения на плотных документах и нелатинских письменностях.

Сценарии применения

  • поиск текстовых областей на уличных фотографиях
  • обнаружение латинских надписей в сценических изображениях
  • выделение четырёхугольных областей текста перед распознаванием
  • сравнение чекпойнтов DBNet на датасете ICDAR-2015

Ограничения

Ожидается снижение полноты обнаружения на плотных документах и для нелатинских письменностей; метрики в README относятся к конкретной предобработке и протоколу ICDAR-2015.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

torchocr weights

Pretrained checkpoints for torchocr, a PyTorch-native, torchvision-style OCR library. You normally never download these files by hand: each one backs a member of a *_Weights enum, and torch.hub fetches it on first use and checks the SHA-256 prefix embedded in the file name.

from torchocr import DBPostProcessor
from torchocr.models import DBNet_MobileNetV3_Large_05_Weights, dbnet_mobilenet_v3_large_05

weights = DBNet_MobileNetV3_Large_05_Weights.ICDAR2015
model = dbnet_mobilenet_v3_large_05(weights=weights).eval()
preprocess = weights.transforms()
postprocess = DBPostProcessor(**weights.meta["postprocess"])

Checkpoints

Weights enumFileParamsICDAR-2015 test
DBNet_MobileNetV3_Large_05_Weights.ICDAR2015dbnet_mobilenet_v3_large_05_ic15-d9d17ae7.pth0.60 MP 0.785 · R 0.689 · hmean 0.734
DBNet_MobileNetV3_Large_05_Weights.PPOCR_V3_ENdbnet_mobilenet_v3_large_05_ppocr_v3_en-9bfd3b59.pth0.60 Mhmean 0.441 ¹
DBNet_MobileNetV3_Large_05_Weights.PPOCR_V3_CHdbnet_mobilenet_v3_large_05_ppocr_v3_ch-fc000d1e.pth0.60 Mhmean 0.422 ¹
DBNet_ResNet18_VD_Weights.PPOCR_SERVER_V2dbnet_resnet18_vd_ppocr_server_v2-59d99b11.pth12.4 Mhmean 0.414 ¹
CRNN_ResNet34_VD_Weights.PPOCR_SERVER_V2crnn_resnet34_vd_ppocr_server_v2-803ba4c9.pth27.9 Mword acc. 0.665 ²

¹ Line-level detectors converted from PaddleOCR. ICDAR-2015 scores word boxes, so adjacent words merged into one line count as misses: these numbers compare checkpoints, they are not the accuracy you will see on documents. ² 2077 alphanumeric care words of ICDAR-2015 test cropped from the full images with torchocr.ops.crop_quads on their ground-truth quads, case-insensitive (not the official Task 4.3 crops). Axis-aligned crops of the same words score 0.579.

Evaluation protocol

Detection: official ICDAR-2015 IoU protocol (one-to-one greedy matching at IoU > 0.5, ### don't-care filtering) on rotated quads, implemented by torchocr.metrics.DetectionHmean and verified identical to PaddleOCR's DetectionIoUEvaluator. Pre/post-processing is exactly weights.transforms() and weights.meta["postprocess"]. Every number is reproducible with:

python references/detection/evaluate.py --root <icdar2015> --weights <enum>
python references/recognition/evaluate.py --root <icdar2015> --weights CRNN_ResNet34_VD_Weights.PPOCR_SERVER_V2

The ICDAR2015 detector

PPOCR_V3_EN fine-tuned for 300 epochs on the 1000 ICDAR-2015 training images (references/detection/train.py, PaddleOCR's augmentation recipe, 640 px crops, AdamW 1e-3 with warmup + cosine, ~80 min on one laptop GPU). The reported weights are the last epoch: no checkpoint was selected on the test set. box_thresh = 0.45 maximizes hmean on the training split (references/detection/calibrate.py) and was applied once to the test split; with PaddleOCR's default box_thresh = 0.6 the same checkpoint scores 0.688.

Intended inputs: incidental scene text in street-level photos, Latin script, evaluated at 736 × 1280. Expect lower recall on dense documents and on non-Latin scripts.

Provenance and licenses

  • PPOCR_* checkpoints are converted from PaddleOCR releases (Apache-2.0) using the build-time converters in torchocr's scripts/, whose recipes are adapted from PaddleOCR2Pytorch (Apache-2.0). The PP-OCRv3 files hold the Student network that PaddleOCR exports for inference.
  • The ICDAR2015 checkpoint derives from PPOCR_V3_EN (Apache-2.0) and was fine-tuned on the ICDAR 2015 Incidental Scene Text training set, which its organizers release for research use. Check that your use complies with those terms.

Как запустить

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

GPU в ailist

Универсальный рантайм · torchocr

Нельзя запустить

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

Ревизия весов
888db95

0 моделей