Trocr Base Printed Captcha Ocr

🚀 trocr-base-printed_captcha_ocr

このモデルは、画像からテキストを抽出するためのモデルです。未知のデータセットでmicrosoft/trocr-base-printedをファインチューニングしたものです。評価セットでは、以下の結果を達成しています。

• 損失: 0.1380
• 文字誤り率(Cer): 0.0075

🚀 クイックスタート

このモデルは、画像のキャプチャ入力からテキストを抽出します。作成方法の詳細については、次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)/Captcha/OCR_captcha.ipynb

✨ 主な機能

• 画像のキャプチャ入力からテキストを抽出することができます。
• 未知のデータセットでファインチューニングされています。

📚 ドキュメント

想定される用途と制限

このモデルは、技術を使って複雑な問題を解決する能力を示すために作成されています。このモデルをテストしたり実験したり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/alizahidraja/captcha-data

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
• 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種類(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 4.22.1
• Pytorch 1.12.1
• Datasets 2.4.0
• Tokenizers 0.12.1

📄 ライセンス

ドキュメントにライセンス情報は記載されていません。