anaksor-ocr
OCR для кхмерского и латиницы
2 мин чтения
Sokheng выложил веса OCR для кхмерского и английского/латинского текста на документах, чеках и фотографиях вывесок. Это пара моделей: детектор Mobile DBNet++ и распознаватель SVTRv2-B + CTC; текущие версии — DBNet++ v1 и rec v4. Есть Python-пакет anaksor-ocr с ONNX Runtime или PyTorch.
Ключевые особенности
- Детектор Mobile DBNet++: RepViT backbone + RSEFPN + Adaptive Scale Fusion + DB head — находит строки текста.
- Распознаватель SVTRv2-B с CTC-головой читает каждую вырезанную строку; в конфиге высота 48 и до 140 символов.
- Пакет работает через ONNX Runtime без PyTorch или с PyTorch-бэкендом (CUDA, Apple MPS).
- Можно закрепить релиз (
rec-v4-det-dbpp-v1) или запускать офлайн с локальными весами. - Загрузка проверяет SHA-256; форматы
.onnx/.safetensorsне исполняют код при загрузке. - Набор символов: 211 символов + пробел; поддержка кхмерского и латиницы.
Пример
import anaksor
ocr = anaksor.OCR()
result = ocr("letter.jpg")
print(result["text"])
Подробнее
Бенчмарки: rec v4 на real validation — 86.7% line accuracy / 1.38% CER; Latin — 76.4% / 4.29%. Detection на HierText — hmean 0.724; на повороте 45° — 0.421 против 0.303 у v3.Детектор: 3.15M параметров (+21k к v3), дообучен 40 эпох.
Обучение rec: fine-tune от китайского SVTRv2-B из OpenOCR на KhmerST, HierText и 300k синтетических строк.
Ограничения: в основном печатный кхмерский; рукописный текст и декоративные шрифты слабее; латиница на фото — самый слабый случай. Длинные строки читаются перекрывающимися окнами.
Лицензия весов — Apache-2.0.










Комментарии