/ Модель

Характеристики

Контекст
512 токенов
Лицензия
afl-3.0
Архитектура
vision-encoder-decoder · dense
Библиотека
transformers
Опубликована
22 июл 2024

TrOCR_Math_handwritten

Описание изображенийИзображение → текст4 профессии

TrOCR_Math_handwritten распознаёт рукописные математические формулы на изображениях и преобразует их в текст.

480скачиваний за 30 дней8лайковвеса обновлены21 окт 2024

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

fhswf разработала TrOCR_Math_handwritten — трансформерную модель распознавания рукописных математических формул на изображениях. Это модель типа Vision Encoder-Decoder на базе TrOCR, дообученная на части набора MathWriting, преобразованной из InkML в изображения. Для использования указана библиотека Transformers, веса представлены в формате safetensors; лицензия — AFL-3.0.

Модель предназначена для OCR одной математической формулы на изображении: она преобразует изображение с формулой в текстовое представление. В карточке приведены результаты распознавания: 77,8% полностью корректных ответов, 85,7% с не более чем одной ошибкой и 89,9% с не более чем двумя ошибками. Эти показатели относятся к оценке, описанной в карточке.

Сценарии применения

  • распознавание рукописной формулы с фотографии или скана
  • оцифровка математических записей из учебных материалов
  • преобразование изображения одной формулы в текст для последующей обработки

Ограничения

Модель рассчитана на изображение с одной математической формулой; в приведённой оценке доля полностью корректных распознаваний составляет 77,8%.

Для каких профессий подходит4

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

Model Card for TrOCR_Math_handwritten

Model Details

TrOCR model fine-tuned on a part of the mathwriting dataset converted from InkML files into images. It was introduced in the paper TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models by Li et al. and first released in this repository.

  • Developed by: [More Information Needed]
  • Model type: Transformer OCR
  • License: afl-3.0
  • Finetuned from model [optional]: TrOCR_large_stage1

Uses

Here is how to use this model in PyTorch:

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image
import requests

url = "path/to/image"
image = Image.open(requests.get(url, stream=True).raw).convert("RGB")
processor = TrOCRProcessor.from_pretrained('fhswf/TrOCR_Math_handwritten')
model = VisionEncoderDecoderModel.from_pretrained('fhswf/TrOCR_Math_handwritten')
pixel_values = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

Bias, Risks, and Limitations

You can use the raw model for optical character recognition (OCR) on images containing one mathematical formula.

Training Details

Training Data

This model was finetuned on a part of the mathwriting dataset converted from InkML files into images.

Evaluation

Percentage of correct recognition: 77.8% Percentage of correct recognition with one error: 85.7% Percentage of correct recognition with two error: 89.9%

BibTeX:

@misc{li2021trocr,
      title={TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models}, 
      author={Minghao Li and Tengchao Lv and Lei Cui and Yijuan Lu and Dinei Florencio and Cha Zhang and Zhoujun Li and Furu Wei},
      year={2021},
      eprint={2109.10282},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
12c159e

0 моделей