Crnn Base Fa V2

🚀 ペルシャ語OCR用CRNNモデル

このモデルは、ペルシャ語のOCR（光学文字認識）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。以下の点で改善されています。

• 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損失の問題を解決するため）
• 数字と特殊文字のサポート（model_config.yaml のid2labelを参照）
• テキスト内の数字などのLTR（左から右）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、長さが最大50文字程度のテキストで最も良い結果が得られます。（エンドツーエンドのOCRパイプラインでは、まず https://huggingface.co/hezarai/CRAFT のようなテキスト検出モデルを使用して、できれば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微調整するために使用することもできます。

🚀 クイックスタート

インストール

pip install hezar

使用例

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

このプロジェクトは、Apache-2.0ライセンスの下で提供されています。