/ Модель
Каталог

Характеристики

Лицензия
AGPL 3.0
Библиотека
ultralytics
Опубликована
17 сен 2026

Ссылки

Hugging Face

yolov8m-historical-line-segmenter

abhishekjha1008
Поиск объектовИзображение → bounding_boxes

YOLOv8m обнаруживает и локализует текстовые строки на изображениях исторических документов для последующего распознавания HTR.

126скачиваний за 30 дней2лайкавеса обновлены20 сен 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 YOLOv8m, адаптированная для обнаружения строк текста на изображениях исторических документов. Она предназначена для этапа сегментации в конвейере HTR: находит строки и возвращает для каждой ограничивающую рамку, чтобы затем вырезать её и передать распознавателю рукописного текста. Модель обучена с адаптацией к историческим макетам; в README указана метрика mAP50 около 0,79 и пример страницы приходской книги 1822 года. Для работы используется библиотека Ultralytics; веса представлены в формате PyTorch.

Модель принимает изображение страницы и выдаёт рамки строк текста. В качестве обучающих данных указан синтетический датасет датского HTR. Карточка не сообщает о поддержке нескольких языков, поэтому датский контекст датасета не следует трактовать как подтверждение языковой универсальности. Лицензия репозитория — AGPL-3.0.

Сценарии применения

  • поиск строк рукописного текста на сканах исторических документов
  • сегментация страниц приходских книг перед распознаванием HTR
  • получение рамок строк для вырезания и передачи распознавателю
  • анализ макета исторических документов

Ограничения

Указанная в README метрика mAP50 составляет около 0,79; качество может зависеть от макета и типа исторического документа. Модель обнаруживает строки, но для распознавания их текста требуется отдельный распознаватель.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Domain-Adapted YOLO Line Segmenter — Historical Documents

🔗 Live visual demo: try the segmenter on real historical pages (original vs detected lines) at https://huggingface.co/spaces/abhishekjha1008/historical-line-segmenter-demo

📝 Blog: Segmentation is the hidden tax in historical HTR

A YOLOv8m line detector, domain-adapted to historical document layouts, for the segmentation stage of an HTR pipeline. Segmentation is the dominant hidden error source in historical HTR: adapting the segmenter to the target layouts recovers most of the gap before a recogniser runs.

MetricValue
mAP50~0.79

Usage

from ultralytics import YOLO
model = YOLO("yolov8m_lineseg_v2_best.pt")
results = model("page.jpg")   # each box = one text line; crop and pass to a recogniser

A box-based counterpart to the baseline-based kraken segmenter. Related: synthetic dataset · live demo.

License

Built on Ultralytics YOLOv8 (AGPL-3.0) — respect the upstream license.

Author: Abhishek Jha · github.com/AbhiPandit1 · hf.co/abhishekjha1008

Как запустить

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

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
9200607

0 моделей

    Создать бенчмарк