/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Опубликована
9 дек 2025

TROCR-Chess

Описание изображенийИзображение → текст3 профессии

TROCR-Chess распознаёт рукописные шахматные ходы в SAN на изображениях бланков партий.

42скачиваний за 30 дней1лайквеса обновлены9 дек 2025

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

TROCR-Chess — модель распознавания рукописной шахматной нотации на изображениях, разработанная автором репозитория как дообученная версия Microsoft TrOCR-Large. Архитектура Vision Encoder-Decoder на базе TrOCR преобразует изображения записей ходов в текстовую стандартную алгебраическую нотацию (SAN); модель принимает изображения и выдаёт текст. В README описано обучение на 13 731 изображении рукописных ходов, с оценочной точностью около 92% и CER около 3%.

Сценарии применения

  • оцифровка рукописных шахматных бланков
  • распознавание ходов в SAN с фотографий партийных записей
  • импорт записей исторических шахматных партий
  • распознавание шахматной нотации в мобильном приложении
  • подготовка рукописных ходов для анализа партии

Ограничения

Лучше работает с разборчивым почерком и чёткими, хорошо освещёнными изображениями; может ошибаться на сильно курсивном почерке. Обучена на шахматной нотации и не предназначена для распознавания обычного текста.

Для каких профессий подходит3

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

Handwritten Chess Notation Recognition with TrOCR

Model Description

This is a fine-tuned version of Microsoft's TrOCR-Large model, specifically trained to recognize handwritten chess notation from images of chess scoresheets. The model can accurately transcribe chess moves in Standard Algebraic Notation (SAN) from handwritten images.

Model Type: Vision Encoder-Decoder
Architecture: TrOCR (Transformer-based Optical Character Recognition)
Base Model: microsoft/trocr-large-handwritten

Intended Uses & Limitations

Intended Use

  • Transcription of handwritten chess moves from scoresheet images
  • Digitization of historical chess games
  • Chess notation recognition in mobile apps
  • Educational tools for chess analysis

Limitations

  • Works best with clear handwriting
  • Trained specifically on chess notation (not general text)
  • May struggle with extremely cursive handwriting
  • Requires well-lit, focused images

Training Data

The model was trained on a custom dataset of 13,731 handwritten chess move images with corresponding text labels in Standard Algebraic Notation.

Dataset Characteristics:

  • Format: PNG images with move text annotations
  • Content: Chess moves in SAN format (e.g., "e4", "Nf3", "O-O", "Qxf7#")
  • Split: 88% training, 12% validation
  • Handwriting styles: Multiple variations

Training Procedure

Preprocessing

Images were resized to 384x384 pixels and converted to RGB format. Text was tokenized with chess-specific vocabulary and padded/truncated to a maximum length of 16 tokens.

Training Hyperparameters

  • Epochs: 6
  • Batch Size: 1 (with gradient accumulation of 8)
  • Learning Rate: 3e-5
  • Optimizer: AdamW
  • Weight Decay: 0.01
  • Warmup Steps: 200
  • Mixed Precision: FP16

Hardware

  • GPU: NVIDIA (8+ GB VRAM recommended)
  • Training Time: ~6 hours

Evaluation Results

MetricValue
Accuracy~92%
Character Error Rate (CER)~3%
Inference Speed~100 ms/image

How to Use

Direct Inference

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

# Load model and processor
model = VisionEncoderDecoderModel.from_pretrained("username/trocr-chess-handwritten")
processor = TrOCRProcessor.from_pretrained("username/trocr-chess-handwritten")

# Load and process image
image = Image.open("chess_move.png").convert("RGB")
pixel_values = processor(image, return_tensors="pt").pixel_values

# Generate prediction
generated_ids = model.generate(pixel_values)
predicted_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(f"Predicted move: {predicted_text}")

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
2cf5b72

0 моделей