Trocr Base Handwritten OCR Handwriting Recognition V2

🚀 trocr-base-handwritten-OCR-handwriting_recognition_v2

このモデルは、手書き文字を光学的に認識するためのモデルです。microsoft/trocr-base-handwritten をファインチューニングしたバージョンで、評価セットで良好な結果を達成しています。

🚀 クイックスタート

このモデルは、手書き文字の光学的文字認識 (OCR) タスクに使用できます。以下に、評価セットでの結果を示します。

• 損失: 0.2470
• 文字誤り率 (CER): 0.0360

✨ 主な機能

• 手書き文字の高精度なOCRを実現します。
• 特定のデータセットでファインチューニングされているため、特定の手書き文字に対して良好な性能を発揮します。

📚 ドキュメント

モデルの説明

このモデルの作成方法に関する詳細情報は、以下のリンクを参照してください。 https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Optical%20Character%20Recognition%20(OCR)/Handwriting%20Recognition/Handwriting%20Recognition_v2/Mini%20Handwriting%20OCR%20Project.ipynb

想定される使用目的と制限

このモデルは、技術を用いて複雑な問題を解決する能力を示すために作成されました。このモデルをテストおよび実験することは歓迎しますが、自己責任で行ってください。

学習と評価データ

データセットのソース: https://www.kaggle.com/datasets/ssarkar445/handwriting-recognitionocr

学習データセットの文字長分布:

評価データセットの文字長分布:

学習手順

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

• 学習率 (learning_rate): 5e-05
• 学習バッチサイズ (train_batch_size): 8
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• オプティマイザ (optimizer): Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラのタイプ (lr_scheduler_type): linear
• エポック数 (num_epochs): 3

学習結果

フレームワークのバージョン

• Transformers: 4.26.0
• Pytorch: 1.12.1
• Datasets: 2.8.0
• Tokenizers: 0.12.1