Omr Transformer

🚀 光學音樂識別Transformer

這是一個用於光學音樂識別的圖像轉文本模型。該模型經過訓練，能夠從給定圖像中預測出 LilyPond 格式的簡單音符。訓練數據包含人工生成、手寫以及白板圖像。模型基於 Donut 構建。

🚀 快速開始

本項目可直接參考以下倉庫進行使用：倉庫鏈接

✨ 主要特性

• 可實現光學音樂識別，將圖像轉換為 LilyPond 格式的簡單音符。
• 訓練數據豐富，涵蓋人工生成、手寫和白板圖像。
• 基於 Donut 模型構建。

💻 使用示例

基礎用法

以下是通過示例圖片展示模型預測結果：

預測結果：c'2 a''8 c''8 r4 c'1 e'8 c'8 c'8 a''8 f'4 a'8 c'8

預測結果：d'8 g'8 c''8 a'8 d'2 c'8 f''8 d'4 c''4 e'8 r8 g'8 b'8 e'8 g'8 d'2

預測結果：g'4 c'4 r8 f''8 e'8 d'8 r8 c'4 c'2 a'2 b'4 r4 a'8 r8 r4

📄 許可證

本項目採用 Apache-2.0 許可證。