/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
sinhala-ocr-model
Опубликована
4 янв 2024

TrOCR-Sinhala

Описание изображенийИзображение → текст7 профессий

Дообученная на сингальском языке модель TrOCR для распознавания печатного текста на изображениях.

83скачиваний за 30 дней5лайковвеса обновлены29 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

Ransaka/TrOCR-Sinhala — дообученная модель распознавания текста на изображениях, основанная на Microsoft TrOCR Printed. Она использует архитектуру vision-encoder-decoder и предназначена для OCR на сингальском языке. В метаданных указан синтетический датасет Ransaka/sinhala_synthetic_ocr-large; модель доступна в формате safetensors.

Модель можно применять для извлечения сингальского текста из изображений с печатным текстом. Карточка не описывает подробные сценарии использования и результаты оценки; для оценки качества предлагается обратиться к вкладке с метриками обучения. Лицензия — MIT.

Сценарии применения

  • распознавание сингальского текста на сканах
  • извлечение сингальского текста из фотографий документов
  • оцифровка печатных материалов на сингальском языке

Ограничения

В карточке нет описания ограничений и обучающих данных; для результатов оценки она отсылает к вкладке метрик обучения.

Для каких профессий подходит7

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-Sinhala

See training metrics tab for performance details.

Model description

This model is finetuned version of Microsoft TrOCR Printed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Example

from PIL import Image
import requests
from io import BytesIO

from transformers import TrOCRProcessor, VisionEncoderDecoderModel, AutoTokenizer

image_url = "https://datasets-server.huggingface.co/assets/Ransaka/sinhala_synthetic_ocr/--/bf7c8a455b564cd73fe035031e19a5f39babb73b/--/default/train/0/image/image.jpg"
response = requests.get(image_url)
img = Image.open(BytesIO(response.content))

processor = TrOCRProcessor.from_pretrained('Ransaka/TrOCR-Sinhala')
model = VisionEncoderDecoderModel.from_pretrained('Ransaka/TrOCR-Sinhala')
model.to("cuda:0")

pixel_values = processor(img, return_tensors="pt").pixel_values.to('cuda:0')  
generated_ids = model.generate(pixel_values,num_beams=2,early_stopping=True)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
generated_text #දිවයිනට බලයට ඇති ආපදා තත්ත්වය හමුවේ සබරගමුව පළාතේ

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.0.0
  • Datasets 2.16.0
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
922910b

0 моделей