/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Библиотека
transformers
Опубликована
7 мар 2023

trocr-kurrent-XVI-XVII

Изображение и текст → текст3 профессии

Модель распознаёт немецкое куррентное письмо XVI–XVIII веков на изображениях отдельных рукописных строк.

1 792скачиваний за 30 дней4лайкавеса 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 XVI–XVIII — модель распознавания рукописного текста, разработанная Jonas Widmer, Anna Funk, Christa Schneider и Tobias Hodel в рамках Digital Humanities@University of Bern. Она предназначена для чтения немецкого куррентного письма XVI–XVIII веков по изображениям отдельных строк. Архитектура — VisionEncoderDecoderModel; модель основана на dh-unibe/trocr-kurrent и обучена на корпусе примерно из 1 579 200 слов. Для тестовой выборки указана CER 0,05416, для оценочной — 0,05673.

Модель принимает обрезку одной рукописной строки за вызов, а не изображение целой страницы. Для обработки страницы её сначала нужно сегментировать на строки; среди упомянутых средств сегментации — kraken, eScriptorium и Transkribus. Данные обучения смещены в сторону швейцарских документов, поэтому точность на других корпусах и почерках может отличаться. Авторы отмечают, что модель требует дальнейшего тестирования и может быть полезна для дообучения. Лицензия — MIT.

Сценарии применения

  • распознавание немецких рукописных строк из архивных документов XVI–XVIII веков
  • оцифровка швейцарских исторических рукописей с куррентным письмом
  • подготовка транскрипций для цифровых гуманитарных исследований
  • дообучение распознавания исторического немецкого почерка на целевом архивном корпусе

Ограничения

Модель рассчитана на изображения отдельных строк: страницы нужно предварительно сегментировать. Обучающие данные смещены в сторону швейцарских документов, а сами авторы отмечают необходимость дальнейшего тестирования.

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 16th to 18th century

Handwritten Text Recognition model for 16th to 18th century German.

Part of the developments at the Digital Humanities@University of Bern. Developed by Jonas Widmer, Anna Funk, Christa Schneider, and Tobias Hodel.

Base model: dh-unibe/trocr-kurrent

Epochs: 19.85 / 20
Eval CER: 0.05673
Test CER: 0.05416

This model is based on an extensive training set (of roughly 1579200 words) and evaluated against the same hands in an evaluation and test set (automatic split). Consisting of German Kurrent scripts written in the 16th-18th century.

The ground truth stems from different projects and partners and is biased toward Swiss documents. It is based on documents from a variety of archives and projects. Among others, the State Archives of Zürich (Stillstandsprotokolle, Ratsmanuale, Findmittel), and the scholarly edition project Königsfelden (Universitäten Zürich und Bern: www.koenigsfelden.uzh.ch). As well as transcriptions from Einsiedeln. Further contributions by the university archives of Greifswald: https://rechtsprechung-im-ostseeraum.archiv.uni-greifswald.de/.

The public Transkribus model (based on PyLaia) can be found here: https://readcoop.eu/model/german-kurrent-16th-18th/

Extensive testing of the model has still to be carried out. This is only a first attempt but might help for fine-tuning tasks.

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
a6bb608

0 моделей