library_name: transformers language:

• ne metrics:
• cer pipeline_tag: image-to-text

基于TrOCR的天城文光学字符识别模型

本模型是基于VisionEncoderDecoder架构的天城文光学字符识别（OCR）模型，专门针对尼泊尔语/天城文字符进行微调。该模型采用Hugging Face的TrOCRProcessor来处理图像并生成文本内容。

模型详情

• 模型名称: syubraj/TrOCR_Nepali
• 处理器: 结合视觉变换器（ViT）特征提取器和分词器的TrOCRProcessor

使用方法

可通过以下Python代码调用本模型：

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

# 加载模型与处理器
tokenizer = AutoTokenizer.from_pretrained("syubraj/TrOCR_Nepali")
model = VisionEncoderDecoderModel.from_pretrained("syubraj/TrOCR_Nepali")
processor = TrOCRProcessor.from_pretrained("syubraj/TrOCR_Nepali")

# 载入图像
image = Image.open("图像路径").convert("RGB")

# 图像预处理
pixel_values = processor(image, return_tensors="pt").pixel_values

# 生成文本
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(generated_text)