/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
TrOCR-Sinhala-finetuned
Библиотека
transformers
Опубликована
3 мая 2026

sinhala-handwritten-notes-v3

Описание изображенийИзображение → текст4 профессии

Дообученная TrOCR-модель распознаёт рукописные слова и короткие строки на сингальском языке по изображениям, особенно в учебных заметках.

84скачиваний за 30 дней1лайквеса обновлены6 мая 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 «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

Модель hasindu-k/sinhala-handwritten-notes-v3 — дообученная на пользовательском наборе рукописных учебных заметок модель TrOCR для распознавания сингальского текста на изображениях. Она построена на архитектуре vision-encoder-decoder и предназначена прежде всего для извлечения слов или коротких строк из обрезанных фрагментов рукописных записей, например, чтобы оцифровывать учебные материалы и передавать распознанный текст в поиск, суммаризацию или систему вопросов и ответов.

Модель лучше применять к чётким изображениям с высоким контрастом, небольшим фоновым шумом и минимальными тенями или перекосом. В описанных экспериментах лучшая валидационная CER составила 0,3453, а WER — 0,4717; README также отмечает признаки переобучения. Модель может ошибаться на похожих символах и незнакомых стилях почерка, а качество распознавания длинных предложений и нескольких слов на одном изображении может быть низким. Для важных решений результат следует проверять вручную. Лицензия — Apache-2.0.

Сценарии применения

  • оцифровка рукописных сингальских учебных заметок
  • извлечение слов из обрезанных фрагментов рукописного текста
  • распознавание коротких рукописных строк на сингальском
  • подготовка рукописных материалов для полнотекстового поиска
  • извлечение текста для последующей суммаризации или ответов на вопросы

Ограничения

Качество может снижаться на длинных предложениях, незнакомых почерках, размытых или зашумлённых изображениях; отмечены признаки переобучения и невысокая точность на уровне слов. Для важных документов результат следует проверять вручную.

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

Sinhala Handwritten Notes OCR - TrOCR Fine-tuned Model

Model Description

This model is a fine-tuned TrOCR-based OCR model for recognizing Sinhala handwritten text from image inputs. It was developed to support Sinhala handwritten educational note recognition as part of a Sinhala educational assistant pipeline.

The model was fine-tuned from eshangj/TrOCR-Sinhala-finetuned using a custom Sinhala handwritten notes dataset.

The main goal of this model is to improve Sinhala handwritten text recognition, especially for cropped handwritten word images or short handwritten text regions. The extracted text can be used for downstream tasks such as document digitization, search, summarization, and question answering.

Intended Use

This model is intended for:

  • Sinhala handwritten text recognition
  • OCR for Sinhala educational notes
  • Word-level or short-line handwritten text extraction
  • Sinhala OCR research experiments
  • Sinhala educational document processing pipelines

Not Intended For

This model is not currently optimized for:

  • Long paragraph-level handwritten OCR
  • Complex full-page layout understanding
  • Printed Sinhala OCR
  • Very noisy or low-resolution images
  • Production use without further validation

For best results, the input should be a clearly cropped handwritten word or short handwritten text segment.

Training Configuration

ParameterValue
Base modeleshangj/TrOCR-Sinhala-finetuned
Epochs20
Train batch size8
Evaluation batch size8
Learning rate2e-5
FP16True
Save strategyEpoch
Evaluation strategyEpoch
Logging steps20
Generation enabledTrue
Max sequence length64
Evaluation split10%
Random state42

Evaluation Results

Two fine-tuning runs were recorded during experimentation.

Run 1

MetricValue
Best epoch6
Best evaluation loss1.4947
Best evaluation CER0.3741
Best evaluation WER0.5283
Final CER0.2878
Final WER0.4906
First training loss3.4820
Last training loss0.0008
Minimum training loss0.0008

Run 2

MetricValue
Best epoch7
Best evaluation loss1.4877
Best evaluation CER0.3453
Best evaluation WER0.4717
Final CER0.3129
Final WER0.4528
First training loss3.4819
Last training loss0.0009
Minimum training loss0.0009

Result Interpretation

The model shows clear learning during training, as the training loss decreased from approximately 3.48 to below 0.001.

However, the evaluation loss remained around 1.48, while the training loss became almost zero. This indicates that the model may be overfitting to the training dataset.

The best validation performance was observed around epoch 6-7, rather than at the final epoch. Therefore, the best checkpoint should be selected based on validation CER and WER, not only based on the final training loss.

The best recorded validation metrics were:

MetricBest Observed Value
Evaluation CER0.3453
Evaluation WER0.4717
Evaluation loss1.4877

The best final CER observed was:

MetricValue
Final CER0.2878

Metrics Explanation

Character Error Rate - CER

Character Error Rate measures character-level mistakes between the predicted Sinhala text and the ground truth text.

Lower CER means better character-level recognition.

Word Error Rate - WER

Word Error Rate measures word-level mistakes between the predicted Sinhala text and the ground truth text.

Lower WER means better word-level recognition.

Since Sinhala handwritten OCR is challenging due to Sinhala character shapes, ligatures, spacing, and handwriting variations, both CER and WER are useful for evaluating this model.

Usage

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

model_name = "hasindu-k/sinhala-handwritten-notes-v3"

processor = TrOCRProcessor.from_pretrained(model_name)
model = VisionEncoderDecoderModel.from_pretrained(model_name)

image = Image.open("sample_image.png").convert("RGB")

pixel_values = processor(images=image, return_tensors="pt").pixel_values

with torch.no_grad():
    generated_ids = model.generate(pixel_values)

predicted_text = processor.batch_decode(
    generated_ids,
    skip_special_tokens=True
)[0]

print(predicted_text)

Recommended Input Format

For better recognition accuracy, use:

  • Cropped word images
  • Cropped short-line images
  • Clear Sinhala handwritten text
  • High-contrast images
  • Minimal background noise
  • Preprocessed images where ruled lines, shadows, or unnecessary background areas are removed

Limitations

This model still has several limitations:

  • It may produce incorrect characters for visually similar Sinhala letters.
  • It may struggle with long handwritten sentences.
  • It may perform poorly on unseen handwriting styles.
  • It may be sensitive to image quality, skew, blur, shadows, and background noise.
  • It may confuse word boundaries if the input image contains multiple words.
  • Current WER values show that word-level accuracy still needs further improvement.

Future Improvements

Future versions of this model can be improved by:

  • Increasing the Sinhala handwritten training dataset size
  • Adding more diverse handwriting styles
  • Training with better word-level cropped images
  • Applying data augmentation
  • Using early stopping based on validation CER and WER
  • Evaluating using a separate unseen test dataset
  • Improving preprocessing for noisy handwritten documents
  • Comparing performance with other Sinhala OCR models

Ethical Considerations

This model is intended for educational and research use. It should not be used as the only source of truth for high-stakes document interpretation. OCR outputs should be reviewed by a human when accuracy is important.

Citation

If you use this model in research or academic work, please cite the model repository and mention that it is based on a fine-tuned TrOCR architecture for Sinhala handwritten OCR.

Model Version

Version: v3
Repository: hasindu-k/sinhala-handwritten-notes-v3
Fine-tuned from: eshangj/TrOCR-Sinhala-finetuned
Training timestamp: 2026-05-03

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
166a9f0

0 моделей