🚀 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。
属性 |
详情 |
モデルタイプ |
Transformer OCR |
訓練データ |
mathwritingデータセットの一部(InkMLファイルから画像に変換) |
開発者 |
[More Information Needed] |
ライセンス |
afl-3.0 |
ファインチューニング元のモデル |
TrOCR_large_stage1 |
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。