/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
cyrillic-htr-model
Библиотека
transformers
Опубликована
30 июн 2026

trocr-large-uk-handwritten

Описание изображенийИзображение → текст4 профессии

Модель TrOCR-Large распознаёт рукописный украинский текст на изображениях отдельных строк и может служить основой для дообучения под целевой архив или коллекцию документов.

681скачиваний за 30 дней0лайковвеса обновлены15 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-large-uk-handwritten — модель распознавания рукописного украинского текста на отдельных изображениях строк. Её разработал Hukyl на основе TrOCR-Large с архитектурой VisionEncoderDecoderModel: визуальный энкодер ViT-L/16 с разрешением 384 пикселя и декодер TrOCR; размер составляет около 558 млн параметров. Модель дообучена на смеси реальных и синтетических корпусов кириллического рукописного текста и предназначена также для дальнейшей адаптации к целевым данным.

Модель принимает обрезанные изображения строк и выдаёт распознанный текст. Для распознавания целых страниц сначала нужны сегментация строк или детектор областей. На документах вне обучающего распределения качество заметно ниже, чем на похожих обучающих данных: в описанной проверке CER составил 0,1925 на страницах Rukopys. Результаты проверки на обучающем распределении нельзя считать оценкой качества на реальных документах; для шумных архивных сканов рекомендуется дообучение на данных целевого домена. Лицензия весов — Apache-2.0; при распространении модели также требуется указывать атрибуцию датасета UkrHandwritten по условиям CC BY-SA 4.0.

Сценарии применения

  • распознавание украинских рукописных строк на сканах
  • оцифровка рукописных украинских документов после сегментации на строки
  • подготовка транскрипций для архивных коллекций
  • дообучение распознавателя под конкретный почерк или тип документов

Ограничения

Качество заметно ухудшается на документах вне обучающего распределения, особенно на шумных архивных сканах; для таких данных рекомендуется дообучение. Значительная часть обучающей смеси синтетическая, а оценка выполнена с одним seed и не показывает разброс результатов между запусками.

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-large-uk-handwritten

A TrOCR-Large (VisionEncoderDecoderModel, ~558M params) recognizer for line-level handwritten Ukrainian text, trained on a mix of real and synthetic Cyrillic handwriting corpora.

This checkpoint is a general-purpose handwriting reader, meant as a starting point for downstream HTR fine-tunes. A real-data-only refinement of this checkpoint is published separately as Hukyl/trocr-large-uk-handwritten-real.

TL;DR

value
ArchitectureTrOCR-Large (ViT-L/16 encoder @ 384px + TrOCR decoder), VisionEncoderDecoderModel
Parameters~558M
Init fromKansallisarkisto/cyrillic-htr-model
Tokenizerextended Cyrillic vocab, size 50336 (ships with this repo)
LanguagesUkrainian
In-mix held-out CER / WER0.0173 / 0.0768
Inputa single cropped text line (RGB)
Outputthe transcribed string

Intended use

Recognizing single cropped lines of handwritten Ukrainian text, downstream of a line/region detector or on pre-segmented lines. Useful directly as a general handwriting reader, or as an init for fine-tuning on a target domain.

How to use

Note: load the processor from this repo, not from microsoft/trocr-large-handwritten — the tokenizer here is an extended Cyrillic vocabulary (50336 vs stock 50265).

from PIL import Image
from transformers import VisionEncoderDecoderModel, TrOCRProcessor

repo = "Hukyl/trocr-large-uk-handwritten"
processor = TrOCRProcessor.from_pretrained(repo)          # load from THIS repo
model = VisionEncoderDecoderModel.from_pretrained(repo).eval()

crop = Image.open("line_crop.png").convert("RGB")          # one cropped text line
pixel_values = processor(images=crop, return_tensors="pt").pixel_values
generated = model.generate(pixel_values, max_new_tokens=256, num_beams=1)  # greedy
text = processor.batch_decode(generated, skip_special_tokens=True)[0]
print(text)

Lineage & training curriculum

Full fine-tune, optimizer: AdamW via the 🤗 Seq2SeqTrainer, cosine LR decay, max_target_length 256, online augmentation, seed 42, single L40S.

  1. Base — Kansallisarkisto/cyrillic-htr-model (Apache-2.0): microsoft/trocr-large-handwritten fine-tuned on ~30k historical Cyrillic rows by the Finnish National Archives; extended tokenizer (vocab 50336).
  2. Mixed pretrain (6 ep, LR 4e-5, warmup 0.1): UkrHandwritten (oversampled ×3) + Cyrillic Handwriting Dataset + pumb-ai/synthetic-cyrillic-large capped at 555k, for a synthetic:real ratio ≈ 3:1 (≈579k crops per epoch). The published weights are the best-val-CER epoch (6 of 6).

Hyperparameters (as launched)

hyperparametervalue
epochs6
batch size32
learning rate4e-5
warmup ratio0.1
weight decay0.0
max target length256 tokens
optimizer / scheduleAdamW, cosine decay
online augmentationon (default profile)
evalgreedy (num_beams=1), eval batch 32
precision / devicebf16, CUDA (single L40S)
seed42

Training ran 115,662 steps in ~15.9h.

Online data augmentation

Online augmentation was applied during training. Only training crops were augmented (no augmented validation was measured).

Each crop was transformed once per epoch by one geometric + one or two photometric operations at random. All training crops are handwritten lines, so a single handwriting-oriented transform set was used.

groupoperations (ranges)
geometric (one)margin pad 2–15% / trim 1–5%, rotation ±1–5°, elastic distortion (α=25, σ=5), baseline warp (amplitude 2–8 px, frequency 0.5–2.0)
photometric (one or two)paper-colour shift (LAB a±10 / b±15), Gaussian noise (σ 5–15), JPEG recompression (quality 30–65), contrast/gamma (0.7–1.3 / 0.6–1.5), morphological erode/dilate (kernel 2)

These simulate scanner/paper variation, ink thinning/bleed, and natural handwriting deformation, widening the range of appearances beyond the raw training crops.

Results

In-mix held-out validation

Held-out 0.3% of the training mix (~2k lines drawn from UkrHandwritten + Cyrillic Handwriting + the synthetic corpus, same distribution as training). Greedy decode.

metricvalue
CER0.0173
WER0.0768

This split mirrors the 3:1 synthetic:real training ratio, so the absolute numbers are not comparable to real-document CER — they measure fit to the pretraining distribution.

Out-of-domain transfer probe (zero-shot)

The same checkpoint evaluated zero-shot on a held-out page-level split of the Rukopys dataset (handwritten Ukrainian document pages). 1000-sample draw, seed 42, greedy decode, max_new_tokens=512.

classCERWERaccuracyn
overall0.19250.48600.19901000
handwritten0.17950.47710.1939954
annotation0.28800.70270.370427
printed0.39500.64890.250016
table0.88501.04170.00003

The gap between in-mix (0.0173) and zero-shot documents (0.1925) is the expected domain shift from clean line corpora to document crops; a fine-tune on in-domain document data closes most of it. We also acknowledge that printed/table/annotation n is quite small, so measuring CER against them is quite noisy.

Limitations & biases

  • General, not specialized: expect higher error on noisy archival scans until fine-tuned (see the zero-shot transfer probe).
  • A large share of the training mix is synthetic; for a real-data-only consolidation see Hukyl/trocr-large-uk-handwritten-real.
  • Single seed and validation split — no across-run variance estimate.

Training data & attribution

datasetsourcelicenserole
UkrHandwrittenKaggle annyhnatiuk/ukrainian-handwritten-textCC BY-SA 4.0mixed pretrain (×3)
Cyrillic Handwriting DatasetKaggle constantinwerner/cyrillic-handwriting-datasetCC0mixed pretrain
pumb-ai/synthetic-cyrillic-largeHFApache-2.0mixed pretrain (capped 555k)

Attribution is mandatory for the UkrHandwritten dataset (CC BY-SA 4.0) — please keep this credit if you redistribute or build on this model.

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
3ea3af0

0 моделей