/ Модель

Характеристики

Лицензия
CC BY-SA 4.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-small-printed
Библиотека
transformers
Опубликована
15 авг 2026

DUSUNEN-Oku-62M-v1

Описание изображенийИзображение → текст3 профессии

Компактная TrOCR-модель для распознавания печатных турецких слов на обрезанных изображениях.

27скачиваний за 30 дней1лайквеса обновлены15 авг 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

DUSUNEN Oku 62M v1 — модель распознавания печатных турецких слов, разработанная и выпущенная Göktuğ Düşünen. Это дообученная 61,6-миллионная модель TrOCR с архитектурой vision-encoder-decoder: она принимает изображение с одним обрезанным словом и генерирует его текстовую транскрипцию. Поддерживает турецкие символы ç, ğ, ı, İ, ö, ş и ü.

В описанном word-disjoint тесте на синтетических изображениях модель показала CER 0,24% и точность распознавания целого слова 98,39%; тестовые слова не встречались при дообучении. Эти результаты не подтверждают качество на фотографиях, рукописном тексте, сканах, чеках, исторической печати или произвольных шрифтах. Модель рассчитана на отдельные слова, а не на полные страницы; для обработки документов её следует сочетать с детектором текста. Обучающие метки не включают цифры, пунктуацию и строки из нескольких слов. Для юридических, медицинских, финансовых документов и документов, удостоверяющих личность, требуется проверка результата человеком. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • распознавание отдельного печатного слова на турецком языке
  • транскрибация обрезанных фрагментов турецкого текста
  • OCR для изображений слов с турецкими диакритическими символами

Ограничения

Оценка приведена на синтетических изображениях и не подтверждает качество на фотографиях, рукописях, сканах или произвольных шрифтах. Модель обучена распознавать отдельные слова без цифр и пунктуации; для важных документов нужна проверка человеком.

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

DUSUNEN Oku 62M — Turkish Printed Word OCR

DUSUNEN Oku 62M Turkish OCR benchmark hero

A compact Turkish OCR recognizer for cropped printed-word images, with full support for ç, ğ, ı, İ, ö, ş, ü and measured results on unseen words.

Oku is a 61.6M-parameter TrOCR model. It takes a cropped image containing one printed Turkish word and generates the transcription. Pair it with a text detector when processing full documents.

Try DUSUNEN Oku in the live browser demo

Word-disjoint benchmark

Untouched TrOCR base compared with DUSUNEN Oku

Every vocabulary word occurs in only one dataset split. The 12,500-image test split therefore measures recognition of words unseen during fine-tuning. Both models use identical preprocessing and greedy decoding.

ModelCER ↓Exact word accuracy ↑
microsoft/trocr-small-printed89.43%3.44%
DUSUNEN Oku 62M v10.24%98.39%
  • Relative CER reduction: 99.73%
  • Case-insensitive exact accuracy: 98.48%
  • Word error rate: 1.61%
  • Invalid generated-token rate: 0.0000%

Machine-readable baseline and final results are included in benchmark-baseline.json and benchmark-final.json. reload-validation.json records a second evaluation after loading the saved checkpoint from disk.

Use

from PIL import Image
import torch
from transformers import TrOCRProcessor, VisionEncoderDecoderModel

model_id = "GoktugD/DUSUNEN-Oku-62M-v1"
processor = TrOCRProcessor.from_pretrained(model_id)
model = VisionEncoderDecoderModel.from_pretrained(model_id)

image = Image.open("cropped_turkish_word.png").convert("RGB")
pixel_values = processor(images=image, return_tensors="pt").pixel_values
with torch.inference_mode():
    generated = model.generate(pixel_values, max_length=32)
print(processor.batch_decode(generated, skip_special_tokens=True)[0])

Training and reproducibility

  • Base revision: 04e994ab854b0089d4929f48c2b4dbe2ce78a340
  • Dataset revision: 79919774c595fcaa0be2feda583fec4cca6f5d2a
  • Data: 225,000 train / 2,500 validation / 12,500 test
  • Optimizer: AdamW, linear schedule, 5% warmup, 3e-5
  • Effective batch size: 32; one epoch; BF16; seed 42
  • Image size: 384×384; maximum target length: 32 tokens
  • Hardware: NVIDIA GeForce RTX 5060 Laptop GPU 8 GB
  • Recorded training time: 2940.4 seconds
  • Exact training program: train_oku_ocr.py

Scope and limitations

  • The benchmark images are synthetic. It does not establish accuracy on camera photos, handwriting, scans, receipts, historical print or arbitrary fonts.
  • Training labels contain Turkish letters only: no digits, punctuation or multi-word lines. Use Oku on cropped word images, not full pages.
  • OCR output can be wrong. Human review is required for legal, medical, financial or identity documents.
  • The training dataset is CC BY-SA 4.0. This derivative release preserves that license; see LICENSE for attribution and upstream notes.

Integrity

model.safetensors SHA-256: 601e981bb45c0cf56edd0441097c151c7855a60a738ff8e0d3db493dadacdffe

Developed and released by Göktuğ Düşünen.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
090f1d5

0 моделей