SynthOnly JA STR 6M
OCR, обученный только на синтетике
2 мин чтенияобновлено
Это модель распознавания текста (image-to-text) от devneko: принимает вырезанную строку изображения и возвращает строку текста. Около 6 млн параметров, японский и латинский алфавиты, горизонтальная и вертикальная запись. Обучена исключительно на синтетических данных — реальные фото и рукопись в обучении не использовались.
Ключевые особенности
- Около 6,00 млн параметров; на CPU в 1 поток и batch 1 с предобработкой — примерно 19 мс на строку (Apple M).
- Только синтетика: 22 млн сэмплов, 1 910 шрифтов, шаблоны вывесок, чеков, ценников, бумаг, LED и 7-сегментных индикаторов; рукопись синтезирована по данным о штрихах KanjiVG.
- На JaWildText board+receipt — 81,03% точного совпадения против 70,57% у NDLOCR-Lite.
- Читает печатный и рукописный текст, горизонтальные и вертикальные строки; выход ограничен 7 090 символами из charset.txt и 50 символами на строку, с NFKC-нормализацией и без пробелов.
- Не детектирует текст: на вход нужна уже вырезанная одна строка. Наклон от 45° и перевёрнутые изображения приводят к ошибкам.
- Лицензия CC BY 4.0: коммерческое использование разрешено с указанием источника.
Пример
import sys
sys.path.insert(0, "synthonly_infer")
from recognize import Recognizer
rec = Recognizer(".", device="cpu") # cpu или cuda
print(rec(["crop.jpg"]))
Подробнее
ПодробнееJaWildText test: board+receipt — 81,03% точного совпадения; рукописные строки — 32,66% (CER 12,42); английский набор из 7 672 строк — 81,79%.
Скорость: CPU, 1 поток, batch 1, с предобработкой — около 19 мс на строку (Apple M).
Ограничения: только одна строка до 50 символов; нет детекции текста; наклон от 45° и перевёрнутые изображения ломают распознавание; рукописный латинский, греческий и формулы даются хуже.
Лицензия CC BY 4.0: коммерческое использование разрешено с указанием источника.










Комментарии