Crnn Fa Printed 96 Long

🚀 ヘザライ（Hezarai）のCRNNモデル

このモデルは、ペルシャ語のOCR（光学式文字認識）に特化したCRNN（Convolutional Recurrent Neural Network）モデルです。この論文にインスパイアされたシンプルなCNN + LSTMアーキテクチャに基づいています。

このモデルは、以前のモデル hezarai/crnn-base-fa-v1 の後継モデルです。主な改善点は以下の通りです。

• データセットが5倍に拡大
• 入力画像サイズを64x256から32x384に変更
• 最大出力長を64から96に増加（データセット内のサンプルの最大長は48で、CTC損失の問題を解消するため）
• 数字と特殊文字のサポート（model_config.yaml の id2label を参照）
• テキスト中の数字などのLTR（Left-to-Right）文字の自動処理

このモデルは、印刷物やスキャンドキュメントに最適化されており、最大で50文字程度のテキストで最も良い性能を発揮します。（エンドツーエンドのOCRパイプラインを構築する場合は、まず hezarai/CRAFT のようなテキスト検出モデルを使用して、好ましくは単語レベルでテキストボックスを抽出し、その後このモデルを使用します。）ただし、ナンバープレートや手書きテキストなどの他のドメインでのファインチューニングにも使用できます。

🚀 クイックスタート

このモデルを使用するには、まず hezar ライブラリをインストールする必要があります。

📦 インストール

pip install hezar

💻 使用例

基本的な使用法

from hezar.models import Model

crnn = Model.load("hezarai/crnn-base-fa-v2")
texts = crnn.predict(["sample_image.jpg"])
print(texts)

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で提供されています。