/ Модель
Каталог

Характеристики

Архитектура
vision-encoder-decoder · dense
Базовая модель
exp2-frozen-benyehuda-cont
Библиотека
transformers
Опубликована
13 июл 2026

Ссылки

Hugging Face

exp26-composed-stage1-frozen

cyttic
Изображение и текст → текст

Дообученная модель VisionEncoderDecoder для преобразования изображений в текст, оценённая по CER и WER.

7скачиваний за 30 дней0лайковвеса обновлены13 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.

Открыть конструктор бенчмарка

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

cyttic/exp26-composed-stage1-frozen — дообученная модель cyttic на основе cyttic/exp2-frozen-benyehuda-cont. Это плотная модель архитектуры VisionEncoderDecoderModel, предназначенная для преобразования изображений в текст; метаданные указывают поддержку vision и задачу image-text-to-text. В README приведены результаты оценки: loss 2.4017, CER 0.3913 и WER 0.6601.

Датасет обучения и конкретные сценарии применения не описаны. Показатели CER и WER указывают на оценку качества распознавания текста, но язык распознавания не установлен по доступным данным. Модель опубликована в формате safetensors и использует библиотеку Transformers. Условия лицензии в предоставленных данных не приведены.

Сценарии применения

  • распознавание текста на изображениях
  • извлечение текста из сканов
  • оценка качества распознавания текста по CER и WER

Ограничения

Датасет обучения и поддерживаемые языки не описаны; приведённые CER и WER не сопровождаются сведениями о наборе оценки или условиях измерения. Лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

exp26-composed-stage1-frozen

This model is a fine-tuned version of cyttic/exp2-frozen-benyehuda-cont on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.4017
  • Cer: 0.3913
  • Wer: 0.6601

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 0.05
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossCerWer
4.04100.153325003.66200.54440.8565
3.48610.306550003.22430.49490.7929
3.20820.459875002.87090.45770.7558
2.86830.6130100002.75650.43220.7055
2.69640.7663125002.52230.41080.6962
2.68250.9195150002.41800.39210.6624
2.65821.0163132.40170.39130.6601

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
75a76bf

0 моделей

    Создать бенчмарк