/ Модель

Характеристики

Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Опубликована
13 янв 2023

trocr-base-printed_captcha_ocr

Описание изображенийИзображение → текст3 профессии

Дообученная модель TrOCR распознаёт текст на изображениях CAPTCHA.

3 438скачиваний за 30 дней9лайковвеса обновлены3 апр 2026

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

DunnBC22 подготовил дообученную версию Microsoft TrOCR Base для распознавания текста на изображениях CAPTCHA. Модель использует архитектуру vision-encoder-decoder и принимает изображение, выдавая распознанный текст. В README приведены результаты на оценочном наборе: CER 0,0075 и loss 0,1380; источник обучающих данных не раскрыт.

Модель предназначена для экспериментов и извлечения текста из изображений CAPTCHA. В метаданных указан английский язык. Репозиторий распространяется по лицензии MIT; для обучающих сторонних данных могут действовать отдельные лицензионные ограничения.

Сценарии применения

  • распознавание текста в изображениях CAPTCHA
  • извлечение печатного текста из CAPTCHA
  • экспериментальная оценка качества OCR для CAPTCHA

Ограничения

Источник обучающего набора не указан, поэтому результаты могут не переноситься на другие типы CAPTCHA. Автор позиционирует модель как демонстрационную и рекомендует использовать её на свой риск.

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

trocr-base-printed_captcha_ocr

This model is a fine-tuned version of microsoft/trocr-base-printed on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1380
  • Cer: 0.0075

Model description

This model extracts text from image Captcha inputs.

For more information on how it was created, check out the following link: https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Optical%20Character%20Recognition%20(OCR)/Captcha/OCR_captcha.ipynb

Intended uses & limitations

This model is intended to demonstrate my ability to solve a complex problem using technology. You are welcome to test and experiment with this model, but it is at your own risk/peril.

Training and evaluation data

Dataset Source: https://www.kaggle.com/datasets/alizahidraja/captcha-data

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossCer
10.44641.01070.56150.0879
10.44642.02140.24320.0262
10.44643.03210.13800.0075

Framework versions

  • Transformers 4.22.1
  • Pytorch 1.12.1
  • Datasets 2.4.0
  • Tokenizers 0.12.1

License Notice

This model is a fine-tuned derivative of a pretrained model. Users must comply with the original model license.

Dataset Notice

This model was fine-tuned on third-party datasets which may have separate licenses or usage restrictions.

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
77ad8d7

0 моделей