Khmer Trocr Ocr V1.0

🚀 高棉語TrOCR光學字符識別系統 📝🇰🇭

本項目是基於microsoft/trocr-base-stage1微調後的版本，專門用於識別高棉語人名。它通過使用高棉語個人姓名的合成圖像 - 文本對進行訓練。

🚀 快速開始

安裝所需的軟件包

pip install transformers torch pillow

Python推理示例

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

# 加載模型和處理器
model = VisionEncoderDecoderModel.from_pretrained("your_username/khmer-trocr-ocr")
processor = TrOCRProcessor.from_pretrained("your_username/khmer-trocr-ocr")

# 加載並處理圖像
image = Image.open("khmer_name_images/khmer_name_00001.png").convert("RGB")
pixel_values = processor(images=image, return_tensors="pt").pixel_values

# 如果有可用的GPU則移至GPU
device = "cuda" if torch.cuda.is_available() else "cpu"
model = model.to(device)
pixel_values = pixel_values.to(device)

# 生成預測結果
generated_ids = model.generate(pixel_values)
predicted_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

print("🔤 預測結果:", predicted_text)

✨ 主要特性

• 特定領域優化：針對高棉語人名識別進行了微調，能更精準地識別高棉語人名。
• 架構先進：採用了VisionEncoderDecoderModel（ViT + RoBERTa）架構，結合了視覺編碼和解碼能力。
• 支持高棉語：專門為高棉語腳本的光學字符識別任務設計。

📦 安裝指南

使用以下命令安裝所需的依賴包：

pip install transformers torch pillow

💻 使用示例

基礎用法

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

# 加載模型和處理器
model = VisionEncoderDecoderModel.from_pretrained("your_username/khmer-trocr-ocr")
processor = TrOCRProcessor.from_pretrained("your_username/khmer-trocr-ocr")

# 加載並處理圖像
image = Image.open("khmer_name_images/khmer_name_00001.png").convert("RGB")
pixel_values = processor(images=image, return_tensors="pt").pixel_values

# 如果有可用的GPU則移至GPU
device = "cuda" if torch.cuda.is_available() else "cpu"
model = model.to(device)
pixel_values = pixel_values.to(device)

# 生成預測結果
generated_ids = model.generate(pixel_values)
predicted_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

print("🔤 預測結果:", predicted_text)

📚 詳細文檔

📌 模型詳情

🧠 訓練情況

該模型在一個合成的高棉語人名數據集上進行了微調，使用了高棉語Unicode字體（KhmerOS_muol.ttf）渲染人名。每個圖像都與相應的文本標籤配對，用於有監督訓練。

• 輸入：高棉語人名的RGB圖像（512x64）
• 輸出：Unicode高棉語文本
• 數據集：自定義生成的高棉語人名數據集（10,000 + 樣本）
• 預處理：使用PIL從文本渲染圖像，並與真實標籤配對

📊 評估

即將推出 — 使用CER/WER指標在帶標籤的測試集上進行評估。

✅ 應用場景

• 高棉語身份證光學字符識別

📄 許可證

本模型採用Apache - 2.0許可證，可免費用於研究和商業應用。

🤝 致謝

• Microsoft TrOCR
• Hugging Face Transformers
• 高棉語Unicode字體項目