/ Модель

Характеристики

Лицензия
CC BY 4.0
Архитектура
hand-dan-page · dense
Библиотека
pytorch
Опубликована
3 окт 2026

hand-read2016-page

Описание изображенийИзображение → текст

Модель HAND распознаёт рукописный текст и элементы структуры на изображениях отдельных страниц READ 2016.

19скачиваний за 30 дней0лайковвеса обновлены3 окт 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

Модель hand-read2016-page разработана Hamdan, Rahiche и Cheriet как часть работы HAND: Unified Text–Layout Decoding for Handwritten Document Recognition. Это модель распознавания рукописных документов на уровне одной страницы, обученная на 1 258 600 примерах READ 2016. Она принимает RGB-изображение документа, рассчитанное на разрешение 150 dpi, и выдаёт поток символов и токенов структуры страницы, включая номер страницы, разделы, аннотации и основной текст. Архитектура состоит из полностью свёрточного энкодера и восьмислойного трансформерного декодера; размер — 7 033 700 параметров плюс 365 968 параметров черновых голов speculative decoding. В статье для теста READ 2016 из 50 страниц указаны CER 3,55 %, WER 13,31 %, LOER 0,0529 и mAP-CER 0,9264.

Модель подходит для транскрибирования рукописных страниц READ 2016 и извлечения текста вместе с элементами его структуры. На изображениях с разворотом или несколькими страницами она обрабатывает первую страницу и останавливается. Лицензия — CC BY 4.0.

Сценарии применения

  • транскрибирование рукописных страниц READ 2016
  • извлечение текста из сканов исторических рукописей
  • определение разделов, аннотаций и основного текста на странице

Ограничения

Модель предназначена для одной страницы: на изображении разворота или нескольких страниц она распознаёт только первую и останавливается. Приведённые метрики относятся к тесту READ 2016 из 50 страниц.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

hand-read2016-page

Part of HAND: Unified Text–Layout Decoding for Handwritten Document Recognition (Hamdan, Rahiche, Cheriet). Code: github.com/DocumentRecognitionModels/HAND-Decoding

The READ 2016 single-page model reported in the paper (1,258,600 training samples).

  • Architecture: fully convolutional encoder and eight-layer transformer decoder; one output stream of characters and layout tokens (page, page number, section, annotation, body).
  • Parameters: 7,033,700 plus 365,968 in the speculative draft heads (m = 5).
  • Input: an RGB document image, resampled to 150 dpi.
  • Result reported in the paper: READ 2016 single-page test (50 pages): CER 3.55 %, WER 13.31 %, LOER 0.0529, mAP-CER 0.9264.
  • Scope: Reads one page. On a double- or triple-page image it reads the first page and stops.

Verified before release: decoding the stored example image with these weights reproduces the prediction recorded in the repository token for token; with the draft heads, speculative decoding reproduces greedy decoding.

# git clone https://github.com/DocumentRecognitionModels/HAND-Decoding && cd HAND-Decoding && pip install -r requirements.txt
import sys; sys.path.insert(0, "release")
from hand_release.inference import HANDRecognizer

model = HANDRecognizer.from_pretrained("MHamdan/hand-read2016-page", kv_cache=True, speculative=True)
page = model.read("page.jpg", source_dpi=300)   # 300 for a raw scan, 150 if already resampled
print(page.text)      # transcription; page.raw keeps the layout tokens inline

Licence and attribution

These weights are released under the Creative Commons Attribution 4.0 International licence (CC BY 4.0, https://creativecommons.org/licenses/by/4.0/). They are Adapted Material of:

  • Pretrained Document Attention Network for Handwritten Text Recognition, Denis Coquenet, Zenodo, DOI 10.5281/zenodo.7244382, CC BY 4.0, file fcn_read_2016_line_syn.pt (sha256 557d6c349131b113c1e316effdb028eff9b37bf39a48d0689125a3783b86a7c3). Its encoder weights initialised this model, which was then trained further on READ 2016 page images and synthetic pages. The model was trained on READ 2016 (Sánchez et al., Zenodo 10.5281/zenodo.1297399, CC BY 4.0).

The weights are provided as-is, without warranty. The code that loads them is MIT-licensed, with DAN-derived files under CeCILL-C; see release/NOTICE.md in https://github.com/DocumentRecognitionModels/HAND-Decoding.

Citation

The paper is under review. Until it is published, please cite the preprint, which appeared under an earlier title:

@article{hamdan2024hand,
  title   = {{HAND}: Hierarchical Attention Network for Multi-Scale Handwritten
             Document Recognition and Layout Analysis},
  author  = {Hamdan, Mohammed and Rahiche, Abderrahmane and Cheriet, Mohamed},
  journal = {arXiv preprint arXiv:2412.18981},
  year    = {2024},
  url     = {https://arxiv.org/abs/2412.18981}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура hand-dan-page неизвестна transformers в образе рантайма.

Ревизия весов
e685921

0 моделей