Trocr Base Printed Synthetic Dataset Ocr

🚀 trocr-base-printed-synthetic_dataset_ocr

このモデルは、不明なデータセットで microsoft/trocr-base-printed をファインチューニングしたバージョンです。このモデルは、印刷されたテキストを読み取るために使用でき、特定のデータセットを用いて訓練されています。

✨ 主な機能

• このモデルは、印刷されたテキストのラベルを読み取るために使用できます。

📚 ドキュメント

モデルの説明

このモデルのコードへのリンクはこちらです: https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/tree/main/Optical%20Character%20Recognition%20(OCR)/20%2C000%20Synthetic%20Samples%20Dataset

想定される用途と制限

このモデルは、印刷されたテキストのラベルを読み取るために使用できます。

訓練と評価データ

このモデルに使用したデータセットへのリンクはこちらです: https://www.kaggle.com/datasets/ravi02516/20k-synthetic-ocr-dataset

訓練データセットの文字長:

評価データセットの文字長:

訓練手順

訓練ハイパーパラメータ

訓練中に以下のハイパーパラメータが使用されました:

• learning_rate: 5e-05
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 1
• mixed_precision_training: Native AMP

訓練結果

CER = 0.003 (実際は 0.002896524170994806)

フレームワークのバージョン

• Transformers 4.26.1
• Pytorch 1.13.1+cu116
• Datasets 2.10.1
• Tokenizers 0.13.2

モデルチェックポイント

@misc{li2021trocr, title={TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models}, author={Minghao Li and Tengchao Lv and Lei Cui and Yijuan Lu and Dinei Florencio and Cha Zhang and Zhoujun Li and Furu Wei}, year={2021}, eprint={2109.10282}, archivePrefix={arXiv}, primaryClass={cs.CL}}

評価指標 (文字誤り率 [CER])

@inproceedings{morris2004, author = {Morris, Andrew and Maier, Viktoria and Green, Phil}, year = {2004}, month = {01}, pages = {}, title = {From WER and RIL to MER and WIL: improved evaluation measures for connected speech recognition.} }

情報テーブル

⚠️ 重要提示

データの所有者とモデルの開発者 (microsoft/trocr-base-printed) に適切なクレジットを与えるようにしてください。