Trocr Nepali

🚀 トランスフォーマーによるデーヴァナーガリ文字OCR

このモデルは、VisionEncoderDecoderアーキテクチャに基づくデーヴァナーガリ文字の光学文字認識（OCR）モデルです。ネパール語やデーヴァナーガリ文字のスクリプトでファインチューニングされています。このモデルは、Hugging FaceのTrOCRProcessorを使用して、画像からテキストを処理および生成します。

🚀 クイックスタート

このモデルは、VisionEncoderDecoderアーキテクチャに基づいており、ネパール語やデーヴァナーガリ文字のスクリプトでファインチューニングされたデーヴァナーガリ文字のOCRモデルです。

✨ 主な機能

• デーヴァナーガリ文字の光学文字認識（OCR）を行うことができます。
• Hugging FaceのTrOCRProcessorを使用して画像からテキストを生成します。

📚 ドキュメント

モデルの詳細

• モデル: syubraj/TrOCR_Nepali
• プロセッサ: Vision Transformer (ViT) の特徴抽出器とトークナイザーを組み合わせたTrOCRProcessor

💻 使用例

基本的な使用法

from transformers import VisionEncoderDecoderModel, TrOCRProcessor, AutoTokenizer
from PIL import Image
import torch

# Load the model and processor
tokenizer = AutoTokenizer.from_pretrained("syubraj/TrOCR_Nepali")
model = VisionEncoderDecoderModel.from_pretrained("syubraj/TrOCR_Nepali")
processor = TrOCRProcessor.from_pretrained("syubraj/TrOCR_Nepali")

# Load image
image = Image.open("path_to_image").convert("RGB")

# Preprocess image
pixel_values = processor(image, return_tensors="pt").pixel_values

# Generate text
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(generated_text)