许可协议：apache-2.0
支持语言：

• 波斯语

库名称：hezar
标签：

• hezar
• 图像转文本

任务类型：图像转文本

一款波斯语OCR的CRNN模型。该模型基于受此论文启发的简单CNN+LSTM架构。

这是我们先前模型hezarai/crnn-base-fa-v1的升级版本。改进包括：

• 数据集规模扩大5倍
• 输入图像尺寸从64x256调整为32x384
• 最大输出长度从64增至96（数据集中样本最大长度为48，以解决CTC损失问题）
• 支持数字及特殊字符（参见model_config.yaml中的id2label）
• 自动处理文本中嵌入的数字等LTR字符

需注意，本模型专为印刷/扫描文档优化，在50字符以内的文本上表现最佳。（构建端到端OCR流程时，建议先使用如https://huggingface.co/hezarai/CRAFT的文本检测模型提取单词级文本框，再调用本模型），但也可通过微调应用于车牌识别或手写文本等其他场景。

使用方式

pip install hezar

from hezar.models import Model  

crnn = Model.load("hezarai/crnn-base-fa-v2")  
texts = crnn.predict(["示例图片.jpg"])  
print(texts)