Thai Trocr Thaigov V2

🚀 thai_trocr_thaigov_v2

このモデルはVision Encoder Decoder Modelsで、タイ語のOCRタスクの微調整に役立ちます。エンコーダにはmicrosoft/trocr-base-handwrittenを、デコーダにはairesearch/wangchanberta-base-att-spm-uncasedを使用し、ThaiGov V2 Corpusを用いた25万枚の合成テキスト画像データセットで微調整されています。合成テキスト画像の生成にはSynthTIGERが使用されています。

🚀 クイックスタート

このモデルは、タイ語の画像からテキストを抽出するためのVision Encoder Decoder Modelsです。以下に、基本的な使用方法を示します。

💻 使用例

基本的な使用法

from PIL import Image
from transformers import TrOCRProcessor, VisionEncoderDecoderModel

processor = TrOCRProcessor.from_pretrained("kkatiz/thai-trocr-thaigov-v2")
model = VisionEncoderDecoderModel.from_pretrained("kkatiz/thai-trocr-thaigov-v2")

image = Image.open("... your image path").convert("RGB")
pixel_values = processor(image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)

generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(generated_text)

📚 ドキュメント

モデル情報

ウィジェット

出力テキスト: รมว.ธรรมนัส ลงพื้นที่