Trocr Small Handwritten

🚀 TrOCR（小尺寸模型，在IAM上微調）

TrOCR是一種基於預訓練模型的光學字符識別（OCR）模型，本模型在 IAM數據集 上進行了微調。該模型由Li等人在論文 TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models 中提出，並首次在 此倉庫 中發佈。

🚀 快速開始

你可以使用此原始模型對單行文本圖像進行光學字符識別（OCR）。你可以訪問 模型中心 查找針對你感興趣的任務進行微調的版本。

✨ 主要特性

TrOCR模型是一個編碼器 - 解碼器模型，由作為編碼器的圖像Transformer和解碼器的文本Transformer組成。圖像編碼器的權重初始化為DeiT的權重，而文本解碼器的權重初始化為UniLM的權重。

模型將圖像表示為固定大小的圖像塊序列（分辨率為16x16），並進行線性嵌入。在將序列輸入到Transformer編碼器層之前，還會添加絕對位置嵌入。然後，Transformer文本解碼器自迴歸地生成標記。

📚 詳細文檔

模型描述

TrOCR模型是一個編碼器 - 解碼器模型，由作為編碼器的圖像Transformer和解碼器的文本Transformer組成。圖像編碼器的權重初始化為DeiT的權重，而文本解碼器的權重初始化為UniLM的權重。

模型將圖像表示為固定大小的圖像塊序列（分辨率為16x16），並進行線性嵌入。在將序列輸入到Transformer編碼器層之前，還會添加絕對位置嵌入。然後，Transformer文本解碼器自迴歸地生成標記。

預期用途和限制

你可以使用此原始模型對單行文本圖像進行光學字符識別（OCR）。你可以訪問 模型中心 查找針對你感興趣的任務進行微調的版本。

💻 使用示例

基礎用法

以下是如何在PyTorch中使用此模型：

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

# load image from the IAM database
url = 'https://fki.tic.heia-fr.ch/static/img/a01-122-02-00.jpg'
image = Image.open(requests.get(url, stream=True).raw).convert("RGB")

processor = TrOCRProcessor.from_pretrained('microsoft/trocr-small-handwritten')
model = VisionEncoderDecoderModel.from_pretrained('microsoft/trocr-small-handwritten')
pixel_values = processor(images=image, return_tensors="pt").pixel_values

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

BibTeX引用

@misc{li2021trocr,
      title={TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models}, 
      author={Minghao Li and Tengchao Lv and Lei Cui and Yijuan Lu and Dinei Florencio and Cha Zhang and Zhoujun Li and Furu Wei},
      year={2021},
      eprint={2109.10282},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}