han2ids v0.4
IDS из картинки с иероглифом
1 мин чтенияобновлено
Это не обычный OCR: модель от mkpoli читает IDS (Ideographic Description Sequence) из изображения глифа в Mincho/宋体. v0.4 продолжает v0.3 на исправленном em-box наборе Noto/IPAmj/Jigmo. Архитектура — 35,2 млн параметров: ViT-S/16-энкодер, четыре декодерных слоя шириной 384, вход 224 px и словарь на 10 423 символа.
Ключевые особенности
- 100% валидных IDS на тесте; exact match — 84,54%.
- По умолчанию greedy-декодирование;
--top-kвозвращает ранжированные beam-кандидаты. - Обучена на 159 521 изображении для 95 927 ханьских символов: Noto Serif CJK JP, IPAmj Mincho 006.01 и Jigmo.
- Рассчитана на чистые em-box рендеры; кропы, сканы, Kai и sans вне области применения.
- IVD и региональные варианты по умолчанию объединяются; строгая классификация доступна в
han2ids.status.classify.
Пример
pip install git+https://github.com/mkpoli/han2ids
huggingface-cli download mkpoli/han2ids-v0.4 han2ids-v0.4.pt --local-dir models
han2ids glyph.png --checkpoint models/han2ids-v0.4.pt
Подробнее
Результаты на 8 730 тестовых строках: exact — 84,54%, same tree — 87,79%, valid — 100%.По шрифтам exact: Noto Serif CJK JP — 93,32%, IPAmj Mincho — 84,63%, Jigmo — 81,80%.
v0.3 давала 82,88% exact.
Обучение: 6 эпох от v0.3, AdamW (encoder 5e-5, decoder 2.5e-4), batch 32, bf16.
Код — MIT; шрифты и метки сохраняют собственные условия.










Комментарии