/ Модель

Характеристики

Архитектура
textnet · dense
Библиотека
transformers
Опубликована
24 дек 2024

textnet-base

Эмбеддинги изображений3 профессии

Компактный визуальный backbone TextNet для извлечения признаков и обнаружения текстовых областей на изображениях.

15 573скачиваний за 30 дней4лайкавеса обновлены25 дек 2024

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

TextNet — компактная архитектура компьютерного зрения для извлечения признаков изображения и обнаружения текстовых областей. Модель опубликована пользователями Raghavan, jadechoghari и nielsr; репозиторий использует библиотеку Transformers и хранит веса в формате safetensors. В семействе описаны варианты TextNet-T, TextNet-S и TextNet-B размером 6,8 млн, 8,0 млн и 8,9 млн параметров соответственно; конкретный вариант репозитория czczup/textnet-base в README не уточняется.

Модель предназначена для обнаружения текста в естественных сценах и документах, включая разноязычный текст с различной ориентацией. README сообщает о предварительном обучении на IC17-MLT и дообучении на Total-Text, а также о компромиссе между точностью и скоростью на GPU. Это извлекатель визуальных признаков, поэтому сам по себе он не выполняет распознавание текста и не генерирует транскрипцию. Лицензия в предоставленных данных не приведена.

Сценарии применения

  • поиск текстовых областей на фотографиях улиц
  • обнаружение разноязычных надписей в естественных сценах
  • поиск текста с разной ориентацией на изображении
  • выделение областей текста в документах

Ограничения

TextNet извлекает визуальные признаки и обнаруживает области текста, но сам по себе не распознаёт содержимое текста. В README заявлена эффективность для GPU; показатели для конкретного варианта textnet-base и условия лицензии в предоставленных данных отсутствуют.

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

TextNet-T/S/B: Efficient Text Detection Models

Overview

TextNet is a lightweight and efficient architecture designed specifically for text detection, offering superior performance compared to traditional models like MobileNetV3. With variants TextNet-T, TextNet-S, and TextNet-B (6.8M, 8.0M, and 8.9M parameters respectively), it achieves an excellent balance between accuracy and inference speed.

Performance

TextNet achieves state-of-the-art results in text detection, outperforming hand-crafted models in both accuracy and speed. Its architecture is highly efficient, making it ideal for GPU-based applications.

How to use

Transformers

pip install transformers
import torch
import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoBackbone

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

processor = AutoImageProcessor.from_pretrained("jadechoghari/textnet-base")
model = AutoBackbone.from_pretrained("jadechoghari/textnet-base")

inputs = processor(image, return_tensors="pt")
with torch.no_grad():
  outputs = model(**inputs)

Training

We first compare TextNet with representative hand-crafted backbones, such as ResNets and VGG16. For a fair comparison, all models are first pre-trained on IC17-MLT [52] and then finetuned on Total-Text. The proposed TextNet models achieve a better trade-off between accuracy and inference speed than previous hand-crafted models by a significant margin. In addition, notably, our TextNet-T, -S, and -B only have 6.8M, 8.0M, and 8.9M parameters respectively, which are more parameter-efficient than ResNets and VGG16. These results demonstrate that TextNet models are effective for text detection on the GPU device.

Applications

Perfect for real-world text detection tasks, including:

  • Natural scene text recognition
  • Multi-lingual and multi-oriented text detection
  • Document text region analysis

Contribution

This model was contributed by Raghavan, jadechoghari and nielsr.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-feature-extraction

Можно запустить

Подбираем GPU…

Класс архитектуры
TextNetBackbone
Ревизия весов
6d2531f

0 моделей