/ Модель

Характеристики

Контекст
512 токенов
Архитектура
vision-encoder-decoder · dense
Базовая модель
TrOCR-Sinhala
Библиотека
transformers
Опубликована
5 окт 2025

TrOCR-Sinhala-finetuned

Описание изображенийИзображение → текст6 профессий

Дообученная TrOCR-модель для распознавания печатного и рукописного сингальского текста на изображениях.

129скачиваний за 30 дней3лайкавеса обновлены7 окт 2025

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 «Распознавание текста» — 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

eshangj/TrOCR-Sinhala-finetuned — модель распознавания текста на изображениях на сингальском языке, разработанная Эшаном Гаянга. Это дообученная архитектура TrOCR VisionEncoderDecoderModel, основанная на контрольной точке Ransaka/TrOCR-Sinhala и обученная на наборе синтетических данных Ransaka/sinhala_synthetic_ocr-large. Модель предназначена для извлечения сингальского текста из печатных материалов, сканов документов и рукописных записей, а также для оцифровки архивов и распознавания рукописных работ.

Модель принимает изображения и выдаёт текст. Карточка указывает лицензию MIT. Качество может снижаться на размытых, наклонённых, сильно повреждённых изображениях и при нестандартном почерке; модель не предназначена для других письменностей и смешанного текста. Для улучшения результата рекомендуется предварительная обработка изображения и последующая коррекция распознанного текста.

Сценарии применения

  • оцифровка сингальских печатных архивов
  • распознавание текста в сканах сингальских документов
  • распознавание сингальских рукописных заметок
  • автоматическая проверка рукописных работ на сингальском языке
  • извлечение текста из изображений для систем обработки документов

Ограничения

Качество может снижаться на размытых, наклонённых или сильно зашумлённых изображениях и при нестандартном почерке. Модель рассчитана на сингальскую письменность и не предназначена для смешанного текста.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for eshangj/TrOCR-Sinhala-finetuned

This model is a fine-tuned version of Microsoft's TrOCR model for Sinhala handwritten and printed text recognition. It can extract Sinhala text from scanned documents, printed text, and handwriting with high accuracy.


🧠 Model Details

Model Description

This is a Sinhala Optical Character Recognition (OCR) model based on the TrOCR architecture.
It has been fine-tuned by Eshan Gayanga on a custom Sinhala dataset containing printed and handwritten text samples.
The model builds on top of Ransaka Ravihara’s pretrained checkpoint, which was adapted and extended for improved Sinhala text recognition.

  • Developed by: Eshan Gayanga
  • Acknowledgments: Credit to Ransaka Ravihara for providing the original TrOCR Sinhala checkpoint used for fine-tuning.
  • Model type: VisionEncoderDecoderModel (TrOCR)
  • Language: Sinhala (si)
  • License: MIT
  • Finetuned from: RansakaRavihara/TrOCR-Sinhala-base

📂 Model Sources


🚀 Uses

Direct Use

This model can be directly used for text recognition (OCR) in Sinhala language images. It performs well on:

  • Scanned documents
  • Printed Sinhala text
  • Handwritten Sinhala notes

Example Use Case

  • Digitizing old Sinhala printed or handwritten archives
  • Building document understanding systems for Sinhala-language text
  • Automatic marking and grading of Sinhala handwritten scripts

Downstream Use

This model can be further fine-tuned for:

  • Scene-text recognition in Sinhala
  • Multi-language OCR (Sinhala + English)
  • Document layout extraction pipelines

Out-of-Scope Use

  • Recognition of non-Sinhala scripts (Tamil, English, etc.)
  • Highly degraded or extremely noisy handwritten documents

⚠️ Bias, Risks, and Limitations

  • Model accuracy may drop for low-quality, blurred, or tilted images.
  • Some handwritten characters may be misread, especially with non-standard handwriting.
  • The model is not designed for recognizing mixed-language text.

Recommendations

Users should:

  • Preprocess input images (resize, denoise, binarize if needed).
  • Avoid using the model for sensitive personal documents.
  • Use post-processing (e.g., spell correction) to refine results.

💻 How to Get Started with the Model

from PIL import Image
from transformers import TrOCRProcessor, VisionEncoderDecoderModel

# Load model and processor
processor = TrOCRProcessor.from_pretrained("eshangj/TrOCR-Sinhala-finetuned")
model = VisionEncoderDecoderModel.from_pretrained("eshangj/TrOCR-Sinhala-finetuned").to("cuda")

# Load image
img = Image.open("<path-to-your-image>")

# OCR Inference
pixel_values = processor(images=img, return_tensors="pt").pixel_values.to("cuda")
generated_ids = model.generate(pixel_values, num_beams=3, early_stopping=True)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(generated_text)

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
0c1687c

0 моделей