基础模型:

• unsloth/Qwen2-VL-2B-Instruct-unsloth-bnb-4bit 标签:
• transformers
• unsloth
• qwen2_vl
• trl
• ocr 许可证: apache-2.0 语言:
• 阿拉伯语 评估指标:
• bleu
• wer
• cer 任务标签: 图像文本转文本 库名称: peft

Qari-OCR-0.1-VL-2B-Instruct 模型

模型概述

本模型是基于unsloth/Qwen2-VL-2B-Instruct在阿拉伯语OCR数据集上微调的版本。它专为整页阿拉伯文本的光学字符识别(OCR)任务优化。

模型详情

• 基础模型: Qwen2 VL
• 微调数据集: 阿拉伯语OCR数据集
• 目标: 高精度提取整页阿拉伯文本
• 支持语言: 阿拉伯语
• 任务类型: OCR(光学字符识别)
• 数据集规模: 5000条记录
• 训练轮次: 1轮

性能评估

模型已通过标准OCR指标评估，包括词错误率(WER)、字符错误率(CER)和BLEU分数。

指标对比

关键结果

• WER: 0.068 (93.2%词语准确率)
• CER: 0.019 (98.1%字符准确率)
• BLEU: 0.860

性能优势

微调模型相较其他方案表现更优：

• 相较基础模型WER降低95%
• 相较基础模型CER降低98%
• BLEU分数较基础模型提升328%
• 较Tesseract OCR的WER低84%
• 较EasyOCR的WER低92%

性能对比图表

WER & CER 对比

BLEU分数对比

使用限制

虽然阿拉伯语OCR模型在特定条件下表现优异，但仍存在以下局限：

1. 字体依赖性：模型训练仅使用有限字体集(Almarai-Regular, Amiri-Regular, Cairo-Regular, Tajawal-Regular及NotoNaskhArabic-Regular)。处理其他字体特别是装饰性或艺术字体时准确率可能下降。

2. 字号限制：训练采用固定16字号。处理过小或过大文本时识别准确率可能降低。

3. 不支持变音符号：模型无法识别阿拉伯语变音符号(Tashkeel)。依赖变音符号消除歧义的文本可能识别错误。

4. 不支持手写体：模型仅适用于印刷体文本识别，不适用于手写体。

5. 整页处理特性：模型针对整页文本识别训练，在处理分段文本、裁剪区域或表格/多栏等复杂版式时性能可能受影响。

实际部署时需充分考虑这些限制以确保最佳性能。