/ Модель

Характеристики

Размер весов
37,2 МБ
Лицензия
Apache 2.0
Библиотека
hezar
Опубликована
27 ноя 2023

crnn-base-fa-v2

Описание изображенийИзображение → текст7 профессий

CRNN-модель Hezarai распознаёт печатный персидский текст на сканированных документах и изображениях.

1 276скачиваний за 30 дней10лайковвеса обновлены14 апр 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

hezarai/crnn-base-fa-v2 — модель оптического распознавания персидского текста, разработанная Hezarai. Она основана на архитектуре CRNN: сверточная нейросеть извлекает признаки изображения, а LSTM обрабатывает последовательность символов. Модель предназначена для распознавания печатного текста на сканированных документах и изображениях; для полного OCR-конвейера её следует применять после детектора текстовых областей.

По сравнению с предыдущей версией использует датасет в пять раз больше, принимает изображения размером 32×384 и поддерживает вывод длиной до 96 символов. Обрабатывает цифры и специальные символы, а также автоматически учитывает символы слева направо, например цифры внутри персидского текста. Лучше всего работает с фрагментами текста длиной примерно до 50 символов. Модель можно дообучать для других областей, включая номера автомобилей и рукописный текст. Опубликована под лицензией Apache-2.0.

Сценарии применения

  • распознавание персидского текста в сканах документов
  • извлечение текста из изображений после обнаружения текстовых областей
  • распознавание цифр и специальных символов в персидском тексте
  • дообучение OCR для распознавания автомобильных номеров
  • дообучение распознавателя для рукописного текста

Ограничения

Модель оптимизирована для печатного текста в сканированных документах и лучше работает с фрагментами длиной примерно до 50 символов. Для распознавания текста на всей странице сначала нужен детектор текстовых областей; рукописный текст и автомобильные номера требуют дообучения.

Для каких профессий подходит7

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

A CRNN model for Persian OCR. This model is based on a simple CNN + LSTM architecture inspired by this paper.

This is a successor model to our previous model hezarai/crnn-base-fa-v1. The improvements include:

  • 5X larger dataset
  • Change input image size from 64x256 to 32x384
  • Increase max output length from 64 to 96 (Max length of the samples in the dataset was 48 to handle CTC loss issues)
  • Support numbers and special characters (see id2label in model_config.yaml)
  • Auto-handling of LTR characters like digits in between the text

Note that this model is only optimized for printed/scanned documents and works best on texts with a length of up to 50-ish characters. (For an end-to-end OCR pipeline, use a text detector model first like https://huggingface.co/hezarai/CRAFT to extract text boxes preferrably in word-level and then use this model), but it can be used to be fine-tuned on other domains like license plate or handwritten texts.

Usage

pip install hezar
from hezar.models import Model

crnn = Model.load("hezarai/crnn-base-fa-v2")
texts = crnn.predict(["sample_image.jpg"])
print(texts)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · hezar

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
543881f

0 моделей