Omr Transformer

🚀 光学音乐识别Transformer

这是一个用于光学音乐识别的图像转文本模型。该模型经过训练，能够从给定图像中预测出 LilyPond 格式的简单音符。训练数据包含人工生成、手写以及白板图像。模型基于 Donut 构建。

🚀 快速开始

本项目可直接参考以下仓库进行使用：仓库链接

✨ 主要特性

• 可实现光学音乐识别，将图像转换为 LilyPond 格式的简单音符。
• 训练数据丰富，涵盖人工生成、手写和白板图像。
• 基于 Donut 模型构建。

💻 使用示例

基础用法

以下是通过示例图片展示模型预测结果：

预测结果：c'2 a''8 c''8 r4 c'1 e'8 c'8 c'8 a''8 f'4 a'8 c'8

预测结果：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

预测结果：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

📄 许可证

本项目采用 Apache-2.0 许可证。