/ Модель

Характеристики

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

hand-read2016-page-compact

Описание изображенийИзображение → текст

Компактная модель HAND распознаёт рукописный текст на изображении одной страницы и сохраняет токены её структуры.

14скачиваний 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

MHamdan/hand-read2016-page-compact — компактная модель распознавания рукописных документов из проекта HAND: Unified Text–Layout Decoding for Handwritten Document Recognition, разработанного Hamdan, Rahiche и Cheriet. Она предназначена для чтения одной страницы документа по RGB-изображению, приведённому к 150 dpi, и выдаёт поток символов с токенами структуры страницы: номера страницы, разделов, аннотаций и основного текста.

Модель использует полностью свёрточный энкодер и восьмислойный трансформерный декодер с общей для всех слоёв проекцией визуальных ключей и значений. Основная модель содержит 6 112 612 параметров; дополнительно указаны 365 968 параметров черновых голов для спекулятивного декодирования. Для READ 2016 single-page test на 50 страницах сообщены CER 4,00 %, WER 15,74 %, LOER 0,0349 и mAP-CER 0,9365; авторы отмечают, что модель обучалась на меньшем числе примеров, поэтому её ошибки нельзя напрямую сравнивать с полной моделью для страниц. Лицензия — CC BY 4.0.

Сценарии применения

  • транскрибация рукописной страницы документа
  • оцифровка исторических рукописей из набора READ 2016
  • извлечение текста и структуры страницы с номерами и разделами

Ограничения

Обрабатывает только одну страницу за раз; входное изображение должно быть приведено к 150 dpi. Результаты приведены для теста всего на 50 страницах READ 2016 и не сопоставимы напрямую с полной моделью страниц.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

hand-read2016-page-compact

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

The compact page model with one visual key/value projection shared by all eight decoder layers (6,112,612 parameters; 500,000 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: 6,112,612 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 4.00 %, WER 15.74 %, LOER 0.0349, mAP-CER 0.9365. Trained for fewer samples than the full page model, so its error rates are not comparable with it.
  • Scope: Reads one page.

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-compact", 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
ad61085

0 моделей