/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-base-handwritten
Библиотека
transformers
Опубликована
6 дек 2022

trocr-kurrent

Изображение и текст → текст3 профессии

Модель TrOCR для распознавания немецкого рукописного текста XIX века в изображениях отдельных строк.

5 280скачиваний за 30 дней12лайковвеса обновлены23 сен 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

TrOCR Kurrent — модель распознавания рукописного текста XIX века на немецком языке, разработанная Jonas Widmer и Tobias Hodel совместно с исследователями и учреждениями в рамках Digital Humanities@University of Bern. Это дообученная модель Microsoft TrOCR base handwritten на датасете Kurrent, собранном из архивных документов, лекционных записей, дневников и других исторических коллекций.

Модель построена на архитектуре VisionEncoderDecoderModel и принимает изображение одной обрезанной строки, возвращая её текстовую транскрипцию. Для обработки страницы её сначала нужно разделить на строки с помощью инструмента сегментации. В README указаны 292 997 обучающих строк; символьная ошибка составила 0,02827 на валидационной и 0,02655 на тестовой выборке.

Модель ориентирована на исторические немецкие рукописи в стиле Kurrent. Авторы отмечают, что она не прошла широкое тестирование и возможные смещения ещё не выявлены. Лицензия — MIT.

Сценарии применения

  • транскрибация немецких рукописных архивных документов XIX века
  • распознавание строк текста Kurrent на сканах
  • оцифровка исторических дневников и лекционных записей
  • подготовка транскрипций для цифровых гуманитарных исследований

Ограничения

Модель принимает изображения отдельных строк, поэтому страницы необходимо предварительно сегментировать. Она не проходила широкого тестирования, а возможные смещения ещё не исследованы.

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

# TrOCR Kurrent-Model 19th century Handwritten Text Recognition model for 19th century German.

Part of the developments at the Digital Humanities@University of Bern. Developed by Jonas Widmer and Tobias Hodel in conjunction with researchers and institutions mentioned below.

Base model: microsoft/trocr-base-handwritten

Train Lines: 292'997
Eval Lines: 7'513
Test Lines: 15'817

Epochs: 19.66 / 20
Eval CER: 0.02827
Test CER: 0.02655

Finetuned on Kurrent-dataset, containing:

  • Material from the State Archives of Zurich ("Regierungsratsprotokolle"), provided by the State Archives of Zurich
  • Lecture notes of Humboldt Lectures, provided by the Berlin-Brandenburgian Academy of Sciences
  • Diary of Eugen Huber, provided by the University of Zurich
  • Handwriting and Copies by and of Gottfried Semper (provided by the respective research project at ETH Zürich and USI Mendrisio)
  • Konzilsprotokolle, University of Greifswald (19th century)
  • as well as many other smaller collections/examples

The model has not been extensively tested. Potential biases are still to be identified.

Input: one line, not a page

This is a VisionEncoderDecoderModel for line images: it reads one cropped text line per call, which is also what the CER above was measured on. A whole page is not an input it has — pass one and it returns a fragment of it.

Segment the page first (kraken, eScriptorium, Transkribus, or any line segmenter) and pass the crops one at a time. In the DH Bern serving stack the model is registered level: line and the gateway segments with kraken before calling it; the reasoning and the measurements behind that rule are in thodel/serving-atr-inference#165.

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
66e374e

0 моделей