/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-VL-8B-Instruct-unsloth-bnb-4bit
Опубликована
6 окт 2026

road-weights

Описание изображенийИзображение → текст

Набор моделей и адаптеров для распознавания рукописных строк и границ слов по изображениям в конвейере road.

0скачиваний за 30 дней0лайковвеса обновлены7 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

DariusTheGeek выпустил набор весов для конвейера распознавания рукописных строк road. В репозитории есть модели чтения рукописных строк и определения границ слов; описанный релиз bundle-001 включает варианты для обработки одной полосы изображения или девяти представлений, а также версии по пяти фолдам. Среди указанных компонентов есть адаптеры Qwen3-VL 8B и Qwen3.5-9B; для загрузки адаптеров требуется соответствующая базовая модель. Метаданные связывают модель с Qwen/Qwen3.5-9B и помечают производность как merge, но README описывает адаптеры, поэтому точный способ объединения весов в этом репозитории неясен.

Модель предназначена для транскрибирования рукописных строк и восстановления границ слов в составе конвейера road. Она принимает изображения и выдаёт текст; в метаданных задача указана как image-to-text. Репозиторий открыт для загрузки, а лицензия в метаданных — Apache-2.0. README не приводит перечень поддерживаемых языков или длину контекста.

Сценарии применения

  • транскрибирование рукописных строк с изображений
  • распознавание рукописных слов в полосах текста
  • восстановление границ слов в рукописной транскрипции

Ограничения

Для адаптеров требуется соответствующая базовая модель. README не указывает поддерживаемые языки и не описывает метрики качества распознавания.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

road weights

Line readers and word-boundary models for the road handwritten-line transcription pipeline.

Licence: Apache-2.0 8 models × 5 folds 7 word-boundary models safetensors 63.5 GB

What's inside: 8 models × 5 folds, 7 word-boundary models, 63.5 GB

⚡ Quick start

This repository is public and ungated: downloads need no Hugging Face account or token. With the accompanying road code:

bash install.sh                                      # install the pinned environments
bash scripts/01_get_weights.sh --release bundle-001  # download and verify inference weights and bases
bash run_inference.sh --release bundle-001           # write outputs/submission/final_submission.csv

The downloader uses the immutable weight revision 96fa774b66a32e30f48bbe920121bcdff0548a19. It also downloads the two Qwen base models from the pinned repositories listed below. To acquire the starting models for training, including the Kraken base hosted under upstream/:

bash scripts/01_get_weights.sh --release bundle-001 --training --bases-only

📦 Contents

Release bundle-001. Each reader comes in five versions, one per fold (f0–f4).

FolderModelInputFormatSize
qwen3vl_strip/Qwen3-VL 8Bsingle stripLoRA adapter3.7 GB
qwen3vl_nine/Qwen3-VL 8Bnine viewsLoRA adapter3.7 GB
qwen35_strip/Qwen3.5-9Bsingle stripadapter2.8 GB
qwen35_nine/Qwen3.5-9Bnine viewsadapter2.8 GB
lighton_strip/LightOnOCR-2 1Bsingle stripfull checkpoint20.2 GB
lighton_nine/LightOnOCR-2 1Bnine viewsfull checkpoint20.2 GB
convnext_large/ConvNeXt-large CTCsingle stripfull checkpoint4.2 GB
kraken_medium/Kraken medium CTCsingle stripfull checkpoint0.3 GB
segmenter/2 word counters + 5 boundary finderssingle stripfull checkpoints5.6 GB
upstream/PP-OCRv6 (medium), byte-identical copy–original file64 MB

Adapters load on their public base model, downloaded from its own repository at a pinned revision. Full checkpoints need nothing else.

BaseRevisionUsed for
unsloth/Qwen3-VL-8B-Instruct-unsloth-bnb-4bitb5b904c3fcdc7541adf2a2bb219b0ed95288c794loading qwen3vl_*
Qwen/Qwen3.5-9Bc202236235762e1c871ad0ccb60c8ee5ba337b9aloading qwen35_*
lightonai/LightOnOCR-2-1B-basec1bc8eb6625be7b34178ff53481b242f7b8ffcb8training only
timm/convnext_large.fb_in22k_ft_in1kdc2e53fad264aa1fb4e5940e0d1c9b79ac6e0854training only
PP-OCRv6 (medium), copy in upstream/Zenodo record 21788410training only

🔒 Integrity

manifest.json lists the size and SHA-256 of every file. The downloader checks each file against it and refuses any mismatch. Files never change within a release.

⚖️ Licences

The reader and word-boundary checkpoints are modified versions of the models below. The Kraken base under upstream/ is an unchanged copy.

FoldersBuilt onLicenceCredit
qwen3vl_*Qwen3-VL-8B-Instruct, 4-bit by UnslothApache-2.0Qwen team, Alibaba Cloud
qwen35_*Qwen3.5-9BApache-2.0Qwen team, Alibaba Cloud (© 2026 Alibaba Cloud)
lighton_*LightOnOCR-2-1B-baseApache-2.0LightOn
convnext_large/, segmenter/ConvNeXt-large, via timmApache-2.0; original weights MITLiu et al., "A ConvNet for the 2020s" (2022); © Meta Platforms, Inc. and affiliates
kraken_medium/, upstream/PP-OCRv6 (medium)Apache-2.0Benjamin Kiessling (ALMAnaCH, Inria Paris)

Full texts: LICENSE (Apache-2.0) and licenses/MIT-ConvNeXt.txt.

🙏 Credits

Using the Kraken files? Please cite kraken and credit the dataset providers listed on the PP-OCRv6 record.

Each environment has its own hash-locked pins in the road code (install/locks/<environment>.lock). CUDA 12.8 builds.

EnvironmentPythonKey packagesLoads
core3.10.12huggingface-hub 0.36.2, numpy 2.2.6, rapidfuzz 3.14.5download, weighted vote
seg3.11.13torch 2.10.0, timm 1.0.28, opencv-python-headless 4.14segmenter/, convnext_large/
kraken3.11.13torch 2.10.0, kraken 7.1.1, kenlm 0.3.0kraken_medium/
qwen3vl3.11.13torch 2.11.0, transformers 5.5.0, peft 0.20.0, unsloth 2026.9.2, bitsandbytes 0.50.2qwen3vl_*
qwen353.11.13torch 2.10.0, transformers 5.17.0, peft 0.19.1qwen35_*
lighton3.11.13torch 2.10.0, transformers 5.17.0lighton_*

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Ревизия весов
506c155

0 моделей