small-models-for-glam/kraken-ppocrv6-medium
PP-OCRv6 (medium) multilingual handwritten and printed text recognition model
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#1 Repository Của Tháng
🧠 Mô hình PP-OCRv6 medium đa ngôn ngữ cho kraken
Mô hình nhận dạng văn bản toạ độ dòng (text-line recognition) hỗ trợ cả chữ viết tay lẫn in ấn, phù hợp với hệ thống kraken >= 7.1.0.
Đây là mô hình medium (~15.92 triệu tham số) trong hệ gia đình PP-OCRv6 (tiny, small, medium) được huấn luyện từ đầu trên kraken. Nó được thiết kế để nhận dạng chữ viết tay và in ấn trên 44 ngôn ngữ thuộc 10 script bao gồm Latin, Cyrillic, Arabic, Greek, v.v. Mô hình đạt điểm số tốt nhất trên tập kiểm tra so với hai phiên bản nhỏ hơn.
✨ Điểm nổi bật
- Hỗ trợ 44 ngôn ngữ: bao phủ các ngôn ngữ như Anh, Pháp, Đức, Bắc Kinh, Latin cũ, v.v.
- 10 script toàn diện: Arab, Armn, Cyrl, Ethi, Geor, Grek, Hebr, Latn, Mlym, Syrc.
- Kiến trúc CTC nhẹ: backbone CNN + neck không tái phát hành (non-recurrent), tối ưu cho tốc độ.
- Độ chính xác cao: CER 3.91, WER 14.98 trên tập kiểm tra.
- Tương thích kraken 7.1.0+: tích hợp sẵn trong pipeline kraken OCR.
- Tùy chỉnh linh hoạt: dễ dàng fine-tune cho ngôn ngữ hoặc miền nhất định.
- Không tạo ra giả tạo: khác biệt so với mô hình dựa trên VLM, tránh lỗi thông tin sai lệch.
- Ba cỡ khác nhau: lựa chọn giữa
tiny,small,mediumtùy nhu cầu tốc độ hoặc độ chính xác.
💡 Vì sao đáng chú ý
PP-OCRv6 medium nổi bật nhờ khả năng đa ngôn ngữ mà không cần dựa trên mô hình ngôn ngữ lớn (LLM) hay vision-language model (VLM), giúp giảm đáng kể chi phí tính toán và tăng tốc độ suy diễn. Đây là lựa chọn lý tưởng cho các dự án cần xử lý tài liệu lịch sử hoặc đa ngôn ngữ mà không muốn chấp nhận độ trễ cao hoặc lỗi sinh ra nội dung không có thật.
Tuy nhiên, mô hình có hạn chế do bị lệch về các ngôn ngữ tài nguyên cao (Anh, Pháp, Đức, Latin), trong khi các ngôn ngữ ít dữ liệu sẽ cần fine-tuning để đạt hiệu quả cao. Ngoài ra, do sự khác biệt trong quy tắc chuyển tự (transcription guidelines) giữa các nguồn dữ liệu, đầu ra có thể không đồng nhất, đặc biệt ở các thư viện châu Âu sử dụng chữ Latin.
#OCR #HTR #Multilingual #PPOCRv6 #Kraken #ImageToText #TiniX
Similar Projects
Discover other similar projects and AI models.
GlotLID !GlotLID(https://img.shields.io/badge/🤗-Open%20In%20Spaces-blue.svg)(https://huggingface.co/spaces/cis-lmu/glotlid-space) Description GlotLID is a Fasttext language identification (LID) model that supports more than 2000 labels. Latest: Glo...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
Model Card for Aya 101 Model Summary The Aya model is a massively multilingual generative language model that follows instructions in 101 languages. Aya outperforms mT0(https://huggingface.co/bigscience/mt0-xxl) and BLOOMZ(https://huggingface.co/big...
-- propella-1 propel your data curation to the next level. -- propella-1 is a family of small multilingual LLMs that annotate text documents across six categories: core content, classification, quality & value, audience & purpose, safety & complianc...
MixLID Token-Level Language Identification in Mixed-Language Text Demo: Hugging Face Space(https://huggingface.co/spaces/hongst/MixLID) Paper: Coming soon. MixLID identifies the language of individual tokens, including short expressions embedded in...
huihui-ai/Qwen2.5-72B-Instruct-abliterated This is an uncensored version of Qwen/Qwen2.5-72B-Instruct(https://huggingface.co/Qwen/Qwen2.5-72B-Instruct) created with abliteration (see remove-refusals-with-transformers(https://github.com/Sumandora/rem...
!Oxy 1 Small(https://cdn-uploads.huggingface.co/production/uploads/64fb80c8bb362cbf2ff96c7e/tTIVIblPUbTYnlvHQQjXB.png) Introduction Oxy 1 Small is a fine-tuned version of the Qwen/Qwen2.5-14B-Instruct(https://huggingface.co/Qwen/Qwen/Qwen2.5-14B-Inst...
!logo.jpg(logo.jpg) Ivy-VL is a lightweight multimodal model with only 3B parameters. It accepts both image and text inputs to generate text outputs. Thanks to its lightweight design, it can be deployed on edge devices such as AI glasses and smartpho...