/ Модель

Характеристики

Архитектура
vision-encoder-decoder · dense
Библиотека
transformers
Опубликована
5 окт 2024

TrOCR_Nepali

Описание изображенийИзображение → текст7 профессий

Модель TrOCR, дообученная для распознавания непальского текста письмом деванагари на изображениях.

131скачиваний за 30 дней2лайкавеса обновлены5 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

syubraj/TrOCR_Nepali — модель оптического распознавания символов на основе архитектуры VisionEncoderDecoder и семейства TrOCR. Она дообучена для чтения текста на непальском языке, записанного письмом деванагари, и преобразует изображения с текстом в текстовую последовательность. Для обработки изображений используется TrOCRProcessor с извлекателем признаков ViT и токенизатором; модель распространяется в формате safetensors и рассчитана на использование через Transformers.

Модель подходит для распознавания непальского текста на изображениях, например на сканах и фотографиях документов. В карточке не приведены сведения о точности, допустимом качестве изображений или лицензии, поэтому их нельзя оценить по доступным данным.

Сценарии применения

  • распознавание непальского текста на сканах
  • извлечение текста деванагари из фотографий документов
  • оцифровка непальских печатных материалов

Ограничения

В карточке не приведены результаты оценки точности и сведения о лицензии. Поддержка других языков или письменностей 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

Devanagari OCR with TrOCR

This model is a Devanagari Optical Character Recognition (OCR) model based on VisionEncoderDecoder architecture, fine-tuned on Nepali/Devanagari script. The model uses the TrOCRProcessor from Hugging Face to process and generate text from images.

Model Details

  • Model: syubraj/TrOCR_Nepali
  • Processor: TrOCRProcessor combining a Vision Transformer (ViT) feature extractor and a tokenizer.

How to Use

You can use this model in Python with the following steps:

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

# Load the model and processor
tokenizer = AutoTokenizer.from_pretrained("syubraj/TrOCR_Nepali")
model = VisionEncoderDecoderModel.from_pretrained("syubraj/TrOCR_Nepali")
processor = TrOCRProcessor.from_pretrained("syubraj/TrOCR_Nepali")

# Load image
image = Image.open("path_to_image").convert("RGB")

# Preprocess image
pixel_values = processor(image, return_tensors="pt").pixel_values

# Generate text
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(generated_text)

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
318d11c

0 моделей