К содержимому
Другое

Medical Prescription OCR

распознавание рукописных рецептов

1 мин чтения

Это файнтюн Donut от NAVER Clova для извлечения текста из рукописных медицинских рецептов. Модель около 0,2 млрд параметров, обучена на английских документах и ориентирована на исследовательские и образовательные проекты, а не на клиническую практику.

Ключевые особенности

  • Специализация на OCR рукописных рецептов, а не на общем распознавании текста.
  • Поддержка разных стилей почерка; качество зависит от разборчивости и качества фото.
  • Постепенная аугментация при обучении: сначала простые повороты и яркость, затем перспективные искажения, тени и motion blur.
  • В карточке заявлена встроенная классификация для определения, является ли документ рецептом.
  • Не валидирована для клинического использования и проверки назначений.

Пример

from transformers import DonutProcessor, VisionEncoderDecoderModel
from PIL import Image

processor = DonutProcessor.from_pretrained("Umar1342/medical-prescription-ocr")
model = VisionEncoderDecoderModel.from_pretrained("Umar1342/medical-prescription-ocr")
image = Image.open("prescription.jpg").convert("RGB")
pixel_values = processor(images=image, return_tensors="pt").pixel_values
ids = model.generate(pixel_values, decoder_input_ids=processor.tokenizer("<s_ocr>", return_tensors="pt").input_ids, max_length=512)
print(processor.batch_decode(ids, skip_special_tokens=True)[0])
ПодробнееТочность: 71% на уровне символов и 84% на уровне слов.
Архитектура Vision Encoder-Decoder на базе Donut, обучение на PyTorch Lightning.
Ограничения: английский язык, редкие названия препаратов и сокращения, нечёткие изображения.
Для реальной медицины извлечённые данные должен проверять специалист.
Обсудить Telegram 0 14

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.8 GB · готовые файлы1.3 GB
  • BF16веса 0.4 GB0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Umar1342/medical-prescription-ocr
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Umar1342/medical-prescription-ocr --local-dir ~/models/medical-prescription-ocr
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к medical-prescription-ocr
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

naver-clova-ix/donut-base

Новые посты про версии donut-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

Umar1342/medical-prescription-ocr
Автор
Umar1342
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

140

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Gemma 4 E2B

Gemma 4 E2B