/ Модель

Характеристики

Контекст
8 192 токена
Параметры
560 млн
Лицензия
Apache 2.0
Архитектура
DeepseekOCR · dense
Базовая модель
DeepSeek-OCR
Опубликована
7 июл 2026

deepseek_ocr_Khmer_finetuned

Генерация текстаТекст → текст3 профессии

Дообученная на WildKhmerST модель DeepSeek-OCR для распознавания кхмерского текста на изображениях.

29скачиваний за 30 дней0лайковвеса обновлены9 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

KrorngAI/deepseek_ocr_Khmer_finetuned — дообученная Kimang18 модель DeepSeek-OCR для распознавания кхмерского текста на изображениях текстовых областей. Она основана на DeepSeek-OCR, использует архитектуру DeepseekOCRForCausalLM и обучалась с LoRA на данных WildKhmerST; для обработки изображений указаны размер 512 × 512 и отключённый режим обрезки. Модель содержит 559,7 млн параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors по лицензии Apache-2.0.

Модель предназначена для OCR и бенчмаркинга распознавания кхмерского письма, в том числе на искажённых текстовых изображениях из набора WildKhmerST-Warped. Автор сообщает об улучшении распознавания кхмерского текста после дообучения, однако качество пока ограничено: на тестовом наборе CER составил 237% с учётом случаев галлюцинаций; без них — 67,66%. В проблемных случаях модель может пропускать изображение и повторять один и тот же текстовый токен до достижения лимита генерации. README не содержит готового примера использования.

Сценарии применения

  • распознавание кхмерских надписей на изображениях текстовых областей
  • OCR кхмерского текста с искажённых изображений
  • бенчмаркинг систем распознавания кхмерского письма

Ограничения

На тестовой выборке автор сообщает CER 237% с учётом ошибок, при которых модель галлюцинирует и повторяет токен до лимита генерации; без таких случаев CER составляет 67,66%. Готовый пример использования в README отсутствует.

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

Objective

Fine-tune deepseek-ai/DeepSeek-OCR on WildKhmerST. The setting for image processing is the following

base_size=512
image_size=512
crop_mode=False

The setting for LoRA is the following

model = FastVisionModel.get_peft_model(
    model,
    target_modules = [
        "q_proj",
        "k_proj",
        "v_proj",
        "o_proj",
        "gate_proj",
        "up_proj",
        "down_proj",
    ],

    r = 16,           # The larger, the higher the accuracy, but might overfit
    lora_alpha = 16,  # Recommended alpha == r at least
    lora_dropout = 0,
    bias = "none",
    random_state = 3407,
    use_rslora = False,  # We support rank stabilized LoRA
    loftq_config = None, # And LoftQ
    # target_modules = "all-linear", # Optional now! Can specify a list if needed
)

For future benchmarking in Khmer OCR task, WildKhmerST is processed to contains pairs of 'text region image' and 'text'. The processed dataset is uploaded to huggingface platform here. There are 3 splits. train split is used to fine-tune unsloth/DeepSeek-OCR. test split is used to evaluate the fine-tuned model.

The fine-tuned model performs better on Khmer text, yet it still completely misses some images in the test split. Concretely, its cer on the whole test split is 237% (result file can be found here) This is because when the fine-tuned completely misses decoding some images, it hallucinates and then repeats the same text token until the number of maximum tokens is met. Removing hallucinating cases, cer drops to 67.66% (result file can be found here).

Uploaded finetuned model

  • Developed by: Kimang18
  • License: apache-2.0
  • Finetuned from model : deepseek-ai/DeepSeek-OCR

This deepseek_vl_v2 model was trained 2x faster with Unsloth and Huggingface's TRL library.

Usage

TBA

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DeepseekOCRForCausalLM
Ревизия весов
b6b8bbe

0 моделей