/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-large-uk-handwritten
Библиотека
transformers
Опубликована
12 июн 2026

trocr-large-uk-handwritten-real

Описание изображенийИзображение → текст6 профессий

Модель TrOCR-Large распознаёт рукописные украинские строки на изображениях и может служить основой для дальнейшей настройки под конкретные документы.

211скачиваний за 30 дней1лайквеса 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 разработала TrOCR-Large для распознавания рукописного украинского текста по изображениям отдельных строк. Модель построена на архитектуре VisionEncoderDecoderModel: энкодер ViT-L/16 принимает изображения с разрешением 384 пикселя, а декодер генерирует текст. Размер — около 558 млн параметров. Это дообучение Hukyl/trocr-large-uk-handwritten на реальных рукописях без синтетических данных; модель также подходит как начальная точка для дальнейшей настройки под конкретный почерк или область.

Модель предназначена для распознавания заранее выделенных строк, например после обнаружения текста в скане или на странице. В проверке на данных, близких к обучающим, CER составил 0,0249, но на рукописных страницах набора Rukopys без дополнительной настройки CER вырос до 0,1838. Поэтому для архивных сканов и других отличающихся по распределению документов может потребоваться дообучение. Транскрипция может отличаться от оригинала регистром букв и пунктуацией. Лицензия модели — Apache-2.0; при распространении или использовании производных моделей необходимо сохранить атрибуцию набора UkrHandwritten по CC BY-SA 4.0.

Сценарии применения

  • распознавание украинского рукописного текста в выделенных строках
  • транскрибация рукописных заметок и писем
  • оцифровка рукописных украинских документов
  • подготовка модели распознавания под конкретный почерк или коллекцию документов

Ограничения

На сканах и документах, отличающихся от обучающих данных, ошибка распознавания заметно выше; для новых доменов может потребоваться дообучение. Текст может отличаться от оригинала регистром и пунктуацией.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trocr-large-uk-handwritten-real

A TrOCR-Large (VisionEncoderDecoderModel, ~558M params) recognizer for line-level handwritten Ukrainian text.

This checkpoint continues the mixed (real + synthetic) pretrain Hukyl/trocr-large-uk-handwritten on real handwriting only, to wash out synthetic-distribution artefacts. Like the pretrain, it is meant as a starting point for downstream HTR fine-tunes.

TL;DR

value
ArchitectureTrOCR-Large (ViT-L/16 encoder @ 384px + TrOCR decoder), VisionEncoderDecoderModel
Parameters~558M
Init fromHukyl/trocr-large-uk-handwritten (mixed pretrain)
Tokenizerextended Cyrillic vocab, size 50336 (ships with this repo)
LanguagesUkrainian
In-domain val CER / WER0.0249 / 0.0931
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-real"
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 — Hukyl/trocr-large-uk-handwritten (6 ep, LR 4e-5): UkrHandwritten ×3 + Cyrillic Handwriting + part of pumb-ai/synthetic-cyrillic-large.
  3. Real-only consolidation (16 ep, LR 2e-5, warmup 0.05): UkrHandwritten (oversampled ×2) + the full Cyrillic Handwriting Dataset, ≈145k samples per epoch, no synthetic data. The published weights are the best-val-CER epoch (16 of 16).

Hyperparameters (as launched)

hyperparametervalue
epochs16
batch size32
learning rate2e-5
warmup ratio0.05
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 72,656 steps in ~10.4h.

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-domain held-out validation

Held-out 1.8% of the real training corpora (UkrHandwritten + Cyrillic Handwriting, same distribution as training). Greedy decode.

metricvalue
CER0.0249
WER0.0931

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) — a distribution the model never trained on. 1000-sample draw, seed 42, greedy decode, max_new_tokens=512.

classCERWERaccuracyn
overall0.19990.48720.18301000
handwritten0.18380.47560.1792954
annotation0.32800.72970.333327
printed0.50860.74810.187516
table0.91051.00000.00003

The gap between in-domain (0.0249) and zero-shot documents (0.1999) 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).
  • Outputs may differ from the source in casing/punctuation — they are model transcriptions, not faithful transcriptions.
  • 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) + consolidation (×2)
Cyrillic Handwriting DatasetKaggle constantinwerner/cyrillic-handwriting-datasetCC0mixed pretrain + consolidation
pumb-ai/synthetic-cyrillic-largeHFApache-2.0mixed pretrain only (lineage)

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
7ae1697

0 моделей