许可证: mit 数据集:

• mazafard/portugues_ocr_dataset_full 语言:
• 英语
• 葡萄牙语 基础模型:
• microsoft/trocr-base-printed 任务标签: 图像转文本 碳排放: 0.43 来源: "AutoTrain" 训练类型: "微调" 地理位置: "美国" 使用硬件: "A100" 标签:
• 光学字符识别
• 文本识别
• trocr
• 视觉
• 视觉与语言 模型索引:
• 名称: trocr-finetuned-portugues 结果:
  • 任务: 类型: 光学字符识别 名称: 光学字符识别 数据集: 类型: mazafard/portugues_ocr_dataset_full 名称: portugues_ocr_dataset_full 参数: 默认 指标:
    • 类型: 字符错误率 值: 0.01 名称: 字符错误率
    • 类型: 单词错误率 值: 0.05 名称: 单词错误率

针对葡萄牙语优化的TrOCR模型

本仓库包含一个专门针对葡萄牙语文本光学字符识别(OCR)任务进行优化的TrOCR模型。该模型基于microsoft/trocr-base-printed模型，并在葡萄牙语文本图像数据集上进行了进一步训练。

模型描述

该模型来自Hugging Face Transformers库的VisionEncoderDecoderModel架构，结合了视觉编码器(处理图像)和文本解码器(生成文本)来完成OCR任务。

• 基础模型: microsoft/trocr-base-printed
• 微调数据集: mazafard/portugues_ocr_dataset_full
• 支持语言: 葡萄牙语

使用场景

本模型适用于从包含葡萄牙语文本的图像中提取文字，可用于以下场景：

• 葡萄牙语书籍和文档的数字化
• 葡萄牙语表格和发票的自动化数据录入
• 从葡萄牙语截图或扫描图像中提取信息

使用方法

1. 安装依赖:

bash pip install transformers datasets Pillow requests

2. 加载模型和处理器:

python from transformers import VisionEncoderDecoderModel, TrOCRProcessor from PIL import Image

model = VisionEncoderDecoderModel.from_pretrained("mazafard/trocr-finetuned_20250422_125947") 
processor = TrOCRProcessor.from_pretrained("mazafard/trocr-finetuned_20250422_125947") 

image = Image.open("图片路径.png").convert("RGB")

pixel_values = processor(image, return_tensors="pt").pixel_values

生成预测
generated_ids = model.generate(pixel_values) generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(generated_text)

局限性

• 对手写文本或特殊字体/样式的文本识别效果可能不佳
• 对复杂版式或低质量图片可能出现识别错误

训练详情

• 训练数据集:
• 训练参数:

training_args = TrainingArguments(
    输出目录="./trocr-finetuned",
    每设备训练批次大小=56,
    训练轮数=3,
    保存步数=500,
    日志记录步数=50,
    学习率=5e-5,
    梯度累积步数=2,
    混合精度训练=True,
    最大保存数=2,
    移除未使用列=False,
    数据加载器工作线程数=2,
)

评估结果

致谢

• 本模型基于微软的TrOCR模型开发