标签:

• 由训练器生成 模型索引:
• 名称: trocr-base-handwritten-OCR-handwriting_recognition_v2 结果: [] 语言:
• 英文 指标:
• 字符错误率(CER) 管道标签: 图像转文本

trocr-base-handwritten-OCR-handwriting_recognition_v2

该模型是基于microsoft/trocr-base-handwritten微调而成的版本。
在评估集上取得了以下结果：

• 损失值: 0.2470
• 字符错误率(CER): 0.0360

模型描述

关于模型创建过程的更多信息，请查看以下链接：
https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Optical%20Character%20Recognition%20(OCR)/Handwriting%20Recognition/Handwriting%20Recognition_v2/Mini%20Handwriting%20OCR%20Project.ipynb

预期用途与限制

本模型旨在展示我运用技术解决复杂问题的能力。欢迎测试和实验此模型，但风险自负。

训练与评估数据

数据集来源：https://www.kaggle.com/datasets/ssarkar445/handwriting-recognitionocr

训练数据集字符长度分布:

评估数据集字符长度分布:

训练流程

训练超参数

训练过程中使用了以下超参数：

• 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（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型: 线性
• 训练轮次: 3

训练结果

框架版本

• Transformers 4.26.0
• PyTorch 1.12.1
• Datasets 2.8.0
• Tokenizers 0.12.1