Trocr Math Handwritten

🚀 TrOCR_Math_handwritten

TrOCRモデルを特定のデータセットでファインチューニングした、手書き数学式の光学文字認識モデルです。

🚀 クイックスタート

このモデルは、画像内の手書き数学式を光学文字認識（OCR）するために使用できます。以下に、このモデルをPyTorchで使用する方法を示します。

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image
import requests

url = "path/to/image"
image = Image.open(requests.get(url, stream=True).raw).convert("RGB")
processor = TrOCRProcessor.from_pretrained('fhswf/TrOCR_Math_handwritten')
model = VisionEncoderDecoderModel.from_pretrained('fhswf/TrOCR_Math_handwritten')
pixel_values = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

✨ 主な機能

• TrOCRモデルを、mathwritingデータセットの一部でファインチューニングしています。
• 画像内の1つの数学式を光学文字認識（OCR）することができます。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image
import requests

url = "path/to/image"
image = Image.open(requests.get(url, stream=True).raw).convert("RGB")
processor = TrOCRProcessor.from_pretrained('fhswf/TrOCR_Math_handwritten')
model = VisionEncoderDecoderModel.from_pretrained('fhswf/TrOCR_Math_handwritten')
pixel_values = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

📚 ドキュメント

モデルの詳細

TrOCRモデルを、mathwritingデータセットの一部でファインチューニングしています。このデータセットは、InkMLファイルから画像に変換されたものです。このモデルは、Liらによる論文TrOCR: Transformer-based Optical Character Recognition with Pre-trained Modelsで紹介され、このリポジトリで最初に公開されました。

使用上の注意

このモデルは、1つの数学式が含まれる画像の光学文字認識（OCR）に使用できます。

訓練の詳細

このモデルは、mathwritingデータセットの一部でファインチューニングされました。このデータセットは、InkMLファイルから画像に変換されたものです。

評価

• 正しく認識された割合: 77.8%
• 1つの誤りがあるが正しく認識された割合: 85.7%
• 2つの誤りがあるが正しく認識された割合: 89.9%

引用

@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}
}

📄 ライセンス

このモデルは、afl-3.0ライセンスの下で公開されています。