Court Records Htr

🚀 19世紀フィンランドの裁判記録の手書き文字認識

このモデルは、テキスト行画像から手書き文字を認識します。 MicrosoftのTrOCRモデルを、19世紀のデジタル化されたフィンランド語とスウェーデン語の裁判記録文書でファインチューニングすることで学習されました。

🚀 クイックスタート

このモデルは特定の19世紀のデータから手書き文字を認識するように学習されており、他のデータセットに対する汎化能力は低い可能性があります。また、入力としてテキスト行画像を受け取り、他のタイプの入力の使用は推奨されません。

✨ 主な機能

• テキスト行画像からの手書き文字認識を行うことができます。

📦 インストール

このモデルはHuggingFace Hubからダウンロードできます。必要なライブラリをインストールすることで使用可能です。

💻 使用例

基本的な使用法

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

# Use GPU if available
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# Model location in Huggingface Hub
model_checkpoint = "Kansallisarkisto/court-records-htr"
# Path to textline image
line_image_path = "/path/to/textline_image.jpg"

# Initialize processor and model
processor = TrOCRProcessor.from_pretrained(model_checkpoint)
model = VisionEncoderDecoderModel.from_pretrained(model_checkpoint).to(device)

# Open image file and extract pixel values
image = Image.open(line_image_path).convert("RGB")
pixel_values = processor(image, return_tensors="pt").pixel_values

# Use the model to generate predictions 
generated_ids = model.generate(pixel_values.to(device))
# Use the processor to decode ids to text
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(generated_text)

HuggingFace Hubからダウンロードしたモデルは、ローカルの~/.cache/huggingface/hub/に保存されます。

📚 ドキュメント

学習データ

モデルは、19世紀の裁判記録から314,228枚のテキスト行画像を使用して学習され、検証データセットには39,042枚のテキスト行画像が含まれていました。

学習手順

このモデルは、NVIDIA RTX A6000 GPUを使用して、以下のハイパーパラメータで学習されました。

• 学習バッチサイズ: 24
• エポック数: 13
• オプティマイザ: AdamW
• テキストシーケンスの最大長: 64

その他のパラメータには、デフォルト値が使用されています（詳細はこちらを参照）。学習コードはtrain_trocr.pyファイルにあります。

評価結果

検証データセットを使用した評価結果は以下の通りです。

これらの指標はEvaluateライブラリを使用して計算されています。CER指標の詳細はこちら、WER指標の詳細はこちらを参照してください。

🔧 技術詳細

• ベースモデル: microsoft/trocr-base-handwritten
• パイプラインタグ: image-to-text
• 評価指標: cer, wer

📄 ライセンス

このモデルはMITライセンスの下で提供されています。