/ Модель
Каталог

Характеристики

Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-hebrew-untrained
Библиотека
transformers
Опубликована
15 июл 2026

Ссылки

Hugging Face

exp28-connected-stage1-frozen

cyttic
Изображение и текст → текст

Дообученная vision-encoder-decoder модель для преобразования изображений в текст.

7скачиваний за 30 дней0лайковвеса обновлены15 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/exp28-connected-stage1-frozen — дообученная модель cyttic на основе cyttic/trocr-hebrew-untrained. Это модель архитектуры vision-encoder-decoder, которая принимает изображение и формирует текст; задача в метаданных — image-text-to-text. В README приведены результаты оценки: loss 3.1992, CER 0.6595 и WER 0.9530. Набор данных для обучения не описан, поэтому назначение и качество модели для конкретных сценариев оценить трудно. Модель сохранена в формате safetensors; лицензия и дополнительные сведения о применении не указаны.

Сценарии применения

  • распознавание текста на изображениях
  • экспериментальная проверка OCR на собственных данных
  • оценка качества распознавания текста по CER и WER

Ограничения

README не описывает обучающий набор данных и предполагаемые сценарии. На указанной оценочной выборке CER составляет 0.6595, а WER — 0.9530.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

exp28-connected-stage1-frozen

This model is a fine-tuned version of cyttic/trocr-hebrew-untrained on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.1992
  • Cer: 0.6595
  • Wer: 0.9530

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
5.47500.049925005.29210.77801.0498
5.13730.099750005.03550.82121.1426
4.92130.149675004.89520.80171.1251
4.80410.1995100004.74120.79491.0785
4.68280.2493125004.55930.76001.0510
4.58870.2992150004.40550.76271.0710
4.39300.3491175004.25880.75501.0665
4.16590.3989200004.10750.74151.0555
4.11160.4488225003.99410.71891.0115
3.96390.4987250003.86220.71541.0110
3.90890.5485275003.74700.70881.0091
3.76130.5984300003.64140.69891.0056
3.71730.6483325003.56450.68470.9785
3.57100.6981350003.49010.67800.9697
3.59110.7480375003.42460.66960.9554
3.48080.7979400003.34390.67250.9748
3.44580.8477425003.29410.66740.9600
3.38790.8976450003.25230.66220.9569
3.35740.9475475003.21600.65600.9540
3.30470.9973500003.19910.65900.9521
3.33681.0501333.19920.65950.9530

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
c4bea28

0 моделей

    Создать бенчмарк