/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Библиотека
transformers
Опубликована
29 сен 2024

thai-trocr

Описание изображенийИзображение → текст7 профессий

Компактная модель OCR на базе TrOCR распознаёт рукописные строки и текст в документах на тайском и английском языках.

7 498скачиваний за 30 дней28лайковвеса обновлены4 ноя 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

ThaiTrOCR — модель оптического распознавания символов, разработанная Suchut Sapsathien и Jillaphat Jaroenkantasima. Она преобразует изображения строк рукописного текста на тайском и английском языках в текст и может применяться для распознавания рукописных записей и текста в PDF-документах.

Модель дообучена на базе TrOCR Base Handwritten. В её архитектуре используется энкодер Vision Transformer и декодер Electra Small, обученный на тайском корпусе; модель реализована как VisionEncoderDecoderModel. В README приведены результаты сравнения с EasyOCR и Tesseract на нескольких типах документов, однако тестовая выборка содержит всего 104 изображения, поэтому результаты могут быть недостаточно обобщающими.

Модель распространяется по лицензии Apache-2.0. Карточка не приводит размер модели или длину контекста.

Сценарии применения

  • распознавание рукописных записей на тайском языке
  • распознавание рукописных строк на английском языке
  • извлечение текста из тайских PDF-документов
  • распознавание текста в двуязычных тайско-английских документах

Ограничения

В README оценка качества основана на тестовой выборке из 104 изображений, поэтому приведённые результаты могут плохо обобщаться на другие данные. Модель предназначена для распознавания текста на тайском и английском языках; для других языков поддержка не заявлена.

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

Thai-TrOCR Model

Introduction

ThaiTrOCR is a fine-tuned version of the TrOCR base handwritten model, specifically crafted for Optical Character Recognition (OCR) in both Thai and English. This multilingual model adeptly processes handwritten text-line images in both languages, leveraging the TrOCR architecture, which combines a Vision Transformer encoder with an Electra-based text decoder. Designed to be compact and lightweight, ThaiTrOCR is optimized for efficient deployment in resource-constrained environments while achieving high accuracy in character recognition.

  • Encoder: TrOCR Base Handwritten
  • Decoder: Electra Small (Trained with Thai corpus)

Training Dataset

  • pythainlp/thai-wiki-dataset-v3
  • pythainlp/thaigov-corpus
  • Salesforce/wikitext

How to Use

Here’s how to use this model in PyTorch:

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

# Load processor and model
processor = TrOCRProcessor.from_pretrained('openthaigpt/thai-trocr')
model = VisionEncoderDecoderModel.from_pretrained('openthaigpt/thai-trocr')

# Load an image
url = 'your_image_url_here'
image = Image.open(requests.get(url, stream=True).raw).convert("RGB")

# Process and generate text
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]
print(generated_text)

Model Performance Comparison

This section details the performance comparison between the open-source ThaiTrOCR model and other widely-used OCR systems, namely EasyOCR and Tesseract. The table below highlights their respective performance across various document types based on the average Character Error Rate (CER).

Document TypeThaiTrOCREasyOCRTesseract
Handwritten0.1900340.4107381.032375
PDF Document0.0575970.0859370.761595
PDF Document (EN-TH)0.0539680.3080751.061107
Real Document0.1474400.2934820.915707
Scene Text0.1341820.3905832.408704
Adjusted Mean0.1236000.2984741.269101

Disclaimer: The test dataset at https://huggingface.co/datasets/openthaigpt/thai-ocr-evaluation includes only 104 images, which may limit the generalizability of these results. We are increasing the number of the test dataset.

Key Insights

  • Character Error Rate (CER): This metric evaluates the percentage of characters that were incorrectly predicted by the model. A lower CER indicates better performance. As shown in the table, ThaiTrOCR consistently outperforms EasyOCR and Tesseract across all document types, with a significantly lower average CER, making it the most accurate model in the comparison.
  • Model Performance: The ThaiTrOCR model is particularly effective with PDF documents (both Thai-only and bilingual English-Thai texts), and shows substantial improvement over competing models in reading scene text and handwritten content.
  • Tesseract Limitation: It’s important to note that Tesseract only supports single-language input at a time in this comparison. For the purposes of this benchmark, it was tested using only the Thai language setting, which might have contributed to its higher CER values.
  • The evaluation dataset is sourced from the openthaigpt/thai-ocr-evaluation.

Sponsors

Authors

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
ce16733

0 моделей