/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-base-handwritten
Опубликована
4 мая 2026

trocr-18th-c-english-obb

Изображение и текст → текст3 профессии

Дообученная TrOCR распознаёт рукописный английский текст XVIII века на изображениях исторических документов.

89скачиваний за 30 дней0лайковвеса обновлены20 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 «Изображение → текст» — 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

Модель trocr-18th-c-english-obb разработана Center for Digital Scholarship при American Philosophical Society. Это дообученная TrOCR с архитектурой vision-encoder-decoder, предназначенная для распознавания рукописного английского текста XVIII века на изображениях исторических документов. Модель обучена на Revolutionary City Corpus; символы и строки в обучающих данных извлекались из сегментов, заданных ориентированными ограничивающими рамками. Для полного конвейера распознавания рекомендуется предварительно находить такие сегменты детектором ориентированных рамок, например YOLO26: анализ макета документа в саму модель не входит.

Модель проверялась на документах разного качества, в том числе с просвечиванием текста и повреждениями; заявленный Character Error Rate составляет 6,27%. В обучающих данных было мало французского и латинского текста, поэтому для них и других языков может потребоваться дообучение. На английских материалах XIX–XX веков качество ниже, чем на документах XVIII века; модель не подходит для письменностей, отличных от латинской. Лицензия — MIT.

Сценарии применения

  • распознавание рукописных писем XVIII века
  • оцифровка исторических английских документов
  • извлечение текста из сегментов рукописных страниц
  • распознавание повреждённых документов с просвечиванием текста

Ограничения

Анализ макета страницы не входит в модель: для обработки документов целиком нужны отдельное обнаружение и выделение сегментов текста. Качество ниже на английских документах XIX–XX веков, оно может быть слабым для французского, латинского и других языков; модели не подходят письменности, отличные от латинской.

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

Model Card for trocr-18th-c-english-obb

This model is a finetuned TrOCR model designed for use on 18th century documents written in English. It was trained on the Revolutionary City Corpus. Although document layout analysis is not part of this model, the model was trained on document segments extracted as oriented bounding boxes. It is recommended to run this model as part of an Automatic Text Recognition pipeline using YOLO26 trained for oriented bounding box detection.

Model Details

Model Description

Uses

Direct Use

The model's primary use is for handwritten text recognition on 18th century English. The model has been tested on samples of varying quality, including pages with heavy amounts of bleedthrough and damage, and should perform reasonably well across a wide variety of materials.

Downstream Use

The training data included a negligible amount of material in French and Latin. While the model may perform out of the box on these languages, it should be finetuned for most non-English tasks. The model has some success with 19th and 20th century English, but it will not perform as well in these domains as for 18th century English.

Out-of-Scope Use

This model will not work for languages written in scripts other than Latin and will perform poorly on languages other than English.

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image

# load an image
path = 'path/to/your/image.jpg'
image = Image.open(path)

processor=TrOCRProcessor.from_pretrained('american-philosophical-society/trocr-18th-c-english-obb')
model = VisionEncoderDecoderModel.from_pretrained('american-philosopical-society/trocr-18th-c-english-obb')
pixel_values = processor(images=image, return_tensors='pt').pixel_values

generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

Alternatively, code for inference and integration with Islandora has been uploaded to GitHub.

Training Details

Training Data

This model was trained on The Revolutionary City Corpus (1758-1805): Ground Truth for Handwritten Text Recognition (HTR) for 18th Century Documents in English. Text was extracted from the ALTO files and the line boundaries were converted to oriented bounding boxes. The text was then rotated to a regular bounding box and extracted.

Evaluation

Testing Data, Factors & Metrics

Metrics

Character Error Rate: 6.27%

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
2209e51

0 моделей