标签:

• 由训练器生成 模型索引:
• 名称: trocr-base-printed-synthetic_dataset_ocr 结果:
  • 任务: 类型: 图像到文本 名称: 文本生成 数据集: 名称: synthetic_dataset_ocr 类型: synthetic_dataset_ocr 分割: 测试 指标:
    • 类型: 字符错误率 (CER) 值: 0.002896524170994806 名称: CER 语言:
• 英语 指标:
• 字符错误率 (CER) 管道标签: 图像到文本

trocr-base-printed-synthetic_dataset_ocr

此模型是在未知数据集上对 microsoft/trocr-base-printed 进行微调的版本。

模型描述

以下是该模型的代码链接: GitHub 代码库

预期用途与限制

此模型可用于读取带有印刷文本的标签。

训练与评估数据

以下是用于此模型的数据集链接: Kaggle 数据集

训练数据集字符长度分布:

评估数据集字符长度分布:

训练过程

训练超参数

训练过程中使用的超参数如下:

• 学习率: 5e-05
• 训练批次大小: 8
• 评估批次大小: 8
• 随机种子: 42
• 优化器: Adam (beta1=0.9, beta2=0.999, epsilon=1e-08)
• 学习率调度器类型: 线性
• 训练轮数: 1
• 混合精度训练: 原生 AMP

训练结果

字符错误率 (CER) = 0.003 (实际值: 0.002896524170994806)

框架版本

• Transformers 4.26.1
• PyTorch 1.13.1+cu116
• Datasets 2.10.1
• Tokenizers 0.13.2

*注意: 请确保对数据所有者及模型开发者 (microsoft/trocr-base-printed) 给予适当署名。

模型检查点

@misc{li2021trocr, title={TrOCR: 基于预训练模型的Transformer光学字符识别}, author={李明浩、吕腾超、崔磊、卢艺娟、Dinei Florencio、张超、李周俊、韦福如}, year={2021}, eprint={2109.10282}, archivePrefix={arXiv}, primaryClass={cs.CL}}

评估指标 (字符错误率 [CER])

@inproceedings{morris2004, author = {莫里斯, 安德鲁 and 迈尔, 维多利亚 and 格林, 菲尔}, year = {2004}, month = {01}, pages = {}, title = {从WER和RIL到MER和WIL: 改进的连续语音识别评估方法} }