/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-base-ru-dialectic-stackmix
Опубликована
18 июн 2025

trocr-base-ru-dialectic

Описание изображенийИзображение → текст3 профессии

Модель распознаёт рукописные русские диалектологические записи на изображениях карточек и преобразует их в текст.

148скачиваний за 30 дней1лайквеса обновлены26 июн 2025

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание текста» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

Модель Daniil-Domino/trocr-base-ru-dialectic — дообученная версия TrOCR для распознавания рукописных русских диалектологических текстов на карточках. Она построена на архитектуре VisionEncoderDecoderModel и предназначена для преобразования изображений рукописей в текст, в том числе записей со специальными знаками вроде ударений и апострофов.

Модель обучали на почти 2456 изображениях диалектологических текстов, собранных в ходе экспедиций по деревням Архангельской области. По данным карточки, обучение длилось 10 эпох; на валидационной выборке CER составил 6,81%, WER — 27,20%, точность — 73,74%. Репозиторий содержит веса в формате safetensors.

Модель подходит для оцифровки и последующей обработки рукописных карточек с диалектными записями. Её результаты могут требовать ручной проверки, особенно в случаях редкой лексики, специальных символов и почерков, отличающихся от обучающих данных. Лицензия — Apache-2.0.

Сценарии применения

  • оцифровка рукописных диалектологических карточек
  • распознавание русских диалектных записей с ударениями и апострофами
  • подготовка полевых лингвистических материалов к поиску и анализу

Ограничения

На валидационной выборке CER составил 6,81%, WER — 27,20%, а точность — 73,74%, поэтому распознанный текст может требовать ручной проверки. Обучающие данные ограничены русскими диалектологическими карточками из Архангельской области, поэтому качество на иных типах рукописей не подтверждено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Russian Dialectic HTR using TrOCR

The TrOCR-base-ru-dialectic-stackmix model was fine-tuned on a dataset of nearly 2456 images containing handwritten Russian dialectic texts.

For more information, check out the GitHub repository.

Model description

TrOCR-base-ru-dialectic-stackmix was fine-tuned for Handwritten Russian Text Recognition in dialectological cards. The model was trained for 10 epochs with a batch size of 4 using an NVIDIA P100 GPU. The fine-tuning process took approximately 35 minutes.

What is a dialectological text?

Linguists at NaRFU go on dialectological expeditions to different villages of Arkhangelsk region. The dialogs with locals are transcribed into notebooks and the examples of a dialect words and an example of its usage is written on cards. The dialectological text is a text that conveys linguistic features using special symbols like acutes, apostrophes etc.

Example of a card: Example of a card

Example Usage

# Load libraries
from transformers import TrOCRProcessor, VisionEncoderDecoderModel
import matplotlib.pyplot as plt
from PIL import Image


# Load image
img_path = 'path/to/image'
image = Image.open(img_path).convert("RGB")

# Load model and processor
model_name = "Daniil-Domino/trocr-base-ru-dialectic"
processor = TrOCRProcessor.from_pretrained(model_name)
model = VisionEncoderDecoderModel.from_pretrained(model_name)

# Preprocess and run inference
pixel_values = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

# Output result
print(generated_text)

# Display input image
plt.axis("off")
plt.imshow(image)
plt.show()

Metrics

Below are the key evaluation metrics on the validation set:

  • CER: 6.81 %
  • WER: 27.20 %
  • Accuracy: 73.74 %

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
9138dff

0 моделей