/ Модель

Характеристики

Контекст
512 токенов
Архитектура
vision-encoder-decoder · dense
Базовая модель
urdu-ocr
Библиотека
transformers
Опубликована
1 дек 2024

trocr-ur-v2

Изображение и текст → текст6 профессий

Дообученная vision-encoder-decoder модель для распознавания текста на урду в изображениях.

223скачиваний за 30 дней0лайковвеса обновлены1 дек 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 «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

mohammadalihumayun/trocr-ur-v2 — дообученная модель распознавания текста на изображениях на урду. Она использует архитектуру vision-encoder-decoder и предназначена для OCR: на вход принимает изображение с текстом, на выходе генерирует его текстовую расшифровку. В метаданных указаны библиотека Transformers и формат весов safetensors.

На тестовом наборе в README приведены значения loss 2,2939 и CER 0,2622; набор данных не описан. Модель может применяться для распознавания урду в изображениях и сканах, однако карточка не раскрывает ограничения по качеству, условиям съёмки или способам использования. Сведения о лицензии отсутствуют в предоставленных данных.

Сценарии применения

  • распознавание урду на сканах документов
  • извлечение текста урду из фотографий
  • оцифровка печатных материалов на урду

Ограничения

Данные обучения не описаны, а метрика CER 0,2622 на указанном тестовом наборе не гарантирует аналогичную точность на других изображениях. Лицензия и подробные ограничения использования в предоставленных сведениях не указаны.

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

trocr for Urdu

This model is a fine-tuned version of cxfajar197/urdu-ocr on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.2939
  • Cer: 0.2622

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCer
0.23740.159410002.43200.3063
0.27880.318820002.37950.3029
0.28450.478230002.38140.2694
0.27930.637740002.27030.2676
0.27350.797150002.21140.3016
0.27390.956560002.23260.3004
0.17811.115970002.29320.2810
0.13921.275380002.35450.2828
0.12521.434790002.34620.2515
0.12121.5941100002.34290.2493
0.11721.7535110002.29810.2769
0.10911.9130120002.29390.2622

Framework versions

  • Transformers 4.45.1
  • Pytorch 2.4.0
  • Datasets 3.0.1
  • Tokenizers 0.20.0

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
a8e89a4

0 моделей