/ Модель

Характеристики

Контекст
512 токенов
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-rukopys
Библиотека
transformers
Опубликована
14 июн 2026

trocr-base-rukopys-formula

Описание изображенийИзображение → текст4 профессии

TrOCR-модель Hukyl распознаёт рукописные математические формулы в украинских документах и выдаёт их нормализованную текстовую запись.

229скачиваний за 30 дней0лайковвеса обновлены30 июл 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

Hukyl/trocr-base-rukopys-formula — модель распознавания рукописных математических выражений в украинских документах, разработанная Hukyl. Она принимает изображение обрезанной области с формулой и преобразует его в нормализованный текст по соглашениям набора Rukopys; предполагается, что области формул заранее выделены детектором разметки страницы.

Модель основана на TrOCR-base с архитектурой VisionEncoderDecoderModel: визуальный энкодер ViT-B/16 обрабатывает изображения с разрешением 384 пикселя, а декодер формирует текст. Размер — около 334 млн параметров. Вывод может содержать Unicode-символы, дроби через косую черту, кириллицу и структурные команды LaTeX для двумерных записей. Модель дообучена на формульных фрагментах Rukopys после последовательного обучения на HME100K, CROHME и синтетических формулах.

Предназначена для распознавания школьной математики, химических записей и арифметики с единицами измерения в рукописных украинских документах. На указанном crop-level валидационном разбиении Rukopys CER составил 0,2079, WER — 0,4455; оценка может быть оптимистичной, поскольку фрагменты одной страницы и автора могли попасть и в обучение, и в валидацию. Результат является нормализованным текстом формулы, а не точной транскрипцией LaTeX. Ожидается снижение качества на других письменностях, печатной математике и типографском вводе. Для Rukopys указана лицензия CC BY 4.0; лицензии HME100K и CROHME в карточке не приведены, а базовая модель не заявляет явную лицензию, поэтому условия распространения производных весов следует проверять отдельно.

Сценарии применения

  • распознавание рукописных школьных формул на украинском языке
  • оцифровка математических выражений из отсканированных тетрадей
  • распознавание рукописных химических записей и формул
  • извлечение арифметики с единицами измерения из документов
  • преобразование выделенных областей формул в нормализованный текст

Ограничения

Модель рассчитана на рукописные формульные фрагменты украинских школьных документов и может хуже работать с другими письменностями, печатной математикой и типографским вводом. Валидационная оценка получена на crop-level разбиении с возможным пересечением страниц и авторов между обучением и проверкой; это может завышать качество.

Для каких профессий подходит4

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-rukopys-formula

A TrOCR-base (VisionEncoderDecoderModel, ~334M params) recognizer for handwritten mathematical expressions in Ukrainian documents, fine-tuned on the formula regions of the Rukopys dataset through a staged formula curriculum: HME100K → CROHME → synthetic Cyrillic formulas (noisy profile) → Rukopys silver → Rukopys gold.

TL;DR

value
ArchitectureTrOCR-base (ViT-B/16 encoder @ 384px + TrOCR decoder), VisionEncoderDecoderModel
Parameters~334M
Init fromHukyl/trocr-rukopys (Rukopys line recognizer)
Tokenizerstock RoBERTa vocab, size 50265
Handlesformula region crops
Gold-val CER / WER0.2079 / 0.4455
Inputa single cropped formula region (RGB)
Outputnormalized formula text — Unicode math symbols, structural LaTeX, Cyrillic words/units

Intended use

Recognizing cropped formula regions from handwritten Ukrainian documents (school-style math, chemistry, unit arithmetic), downstream of a layout detector. The output space is the normalized Rukopys formula convention.

For the plain-text region classes, see Hukyl/trocr-rukopys and Hukyl/trocr-large-rukopys.

How to use

from PIL import Image
from transformers import VisionEncoderDecoderModel, TrOCRProcessor

repo = "Hukyl/trocr-base-rukopys-formula"
processor = TrOCRProcessor.from_pretrained(repo)
model = VisionEncoderDecoderModel.from_pretrained(repo).eval()

crop = Image.open("formula_crop.png").convert("RGB")   # one detected formula region
pixel_values = processor(images=crop, return_tensors="pt").pixel_values
generated = model.generate(pixel_values, num_beams=4, max_length=256)
text = processor.batch_decode(generated, skip_special_tokens=True)[0]
print(text)

Output format

Rukopys formula labels are dual-mode: mostly plain linear math (R = 5, 7/10 y - 2/10 y = 5,5), with a minority of structural LaTeX (\frac, \int, \begin{array}, Ukrainian inside \text{…}). Training targets are normalized: LaTeX symbol commands become Unicode (\pi → π, \cdot → ·) while structural commands survive. The model emits that normalized space — Unicode symbols, slash fractions, Cyrillic words and units, and structural LaTeX where the source notation is genuinely two-dimensional.

Lineage & training curriculum

Staged curriculum; each stage fine-tunes the previous checkpoint. Optimizer: AdamW via the 🤗 Seq2SeqTrainer, linear LR decay, warmup ratio 0.1, max_target_length 256, seed 42. Every fine-tune stage uses the hybrid partial freeze: trainable are the upper half of the encoder blocks (plus the final encoder layernorm), the upper half of the decoder self-attentions, and all decoder cross-attentions; the lower blocks, embeddings, and LM head stay frozen. Intermediate stages select checkpoints by validation loss, the gold stage by validation CER.

  1. Base — kazars24/trocr-base-handwritten-ru: microsoft/trocr-base-handwritten fine-tuned for Russian handwriting.
  2. Rukopys line recognizer — Hukyl/trocr-rukopys: silver→gold fine-tune on the handwritten/printed/annotation/table crops (gold-val CER 0.1146).
  3. HME100K (3 ep): handwritten mathematical expressions with LaTeX targets, normalized into the target space above.
  4. CROHME (3 ep): the ICDAR/ICFHR competition corpus; InkML stroke traces rendered to 384px raster images, labels normalized like HME100K.
  5. Synthetic Cyrillic formulas, noisy profile (3 ep): an in-house generator font-renders template-sampled formula strings — fractions, equations, square roots, angles, unit arithmetic, sequences, chemistry, mixed fractions, multi-step expressions, matrices — with Cyrillic variables and Ukrainian unit words (см, кг, год, …), and render-time degradation (rotation ±2°, Gaussian blur, additive noise, baseline jitter, random fonts and sizes). The noisy profile weights the mix toward the harder families (chemistry, mixed fractions, multi-step, matrices, deliberately ambiguous short forms) that the balanced profile leaves out.
  6. Rukopys silver formula pretrain (5 ep): auto-labeled formula crops from the Rukopys silver split.
  7. Rukopys gold formula fine-tune (15 ep): the human-labeled formula crops — the published weights.

Hyperparameters (gold stage, as launched)

hyperparametervalue
epochs (max)15 (early stopping, patience 3)
batch size16
learning rate5e-5
warmup ratio0.1
freezehybrid (see curriculum)
max target length256 tokens
optimizer / scheduleAdamW, linear decay
evalgreedy (num_beams=1), full val split
seed42

The full recorded recipe ships in this repo's training_meta.json.

Results

Protocol: greedy decode, the formula validation split of the Rukopys gold train data (seed 42, crop-level split), full split. Labels are metric-normalized as described in Output format.

metricvalue
CER0.2079
WER0.4455

Compared runs

Same curriculum and gold-stage recipe unless noted; all compared checkpoints are internal and unpublished.

runCERWER
this model (noisy synthetic stage)0.20790.4455
balanced synthetic stage0.20820.4477
no synthetic stage0.21780.4576
no silver stage0.24890.5017
gold stage as LoRA / DoRA adaptation~0.2233—

This model was evaluated on the full validation split; the compared runs on a 2,000-sample subsample. The gap to the balanced-profile run is within evaluation noise.

Limitations & biases

  • Outputs are normalized formula text, not faithful LaTeX transcription — not a general image-to-LaTeX model.
  • Handwritten Ukrainian school-style material only; expect degradation on other scripts, printed math, or clean typeset input.
  • The train/val split is stratified at crop level, not page level — crops from the same page (and writer) appear on both sides, so the reported val CER is optimistic compared to a page-level protocol.
  • Single seed and validation split — no across-run variance estimate.

Training data & attribution

datasetsourcelicenserole
RukopysUkrainianCatholicUniversity/rukopysCC BY 4.0silver formula pretrain + gold formula fine-tune
HME100K"When Counting Meets HMER" (ECCV 2022), TALnot restated here — verify with the sourceformula pretrain
CROHMEICDAR/ICFHR CROHME competition corpusnot restated here — verify with the sourceformula pretrain
synthetic Cyrillic formulasgenerated in-house (font-rendered)—synthetic pretrain stage

The base model kazars24/trocr-base-handwritten-ru declares no explicit license — verify upstream terms before redistribution.

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
4d37814

0 моделей