01 / CURRENT MODEL
当前模型的识别表现
15.55%
开发测试集 CER训练评测 · 256 行16.57%
最终测试集 CERfinal-test · 253 行02 / BEFORE & AFTER / 微调后模型
微调前后:语言与文本领域的适配
062.5125%
字符错误率 CER =(替换 + 删除 + 插入)/ 参考字符数,出现大量插入时可超过 100%。
03 / RECOGNITION EXAMPLES
把指标放回实际文本行
人工参考转写
当前模型 · TrOCR
04 / MODEL & TRAINING
从图像特征到文字序列
文本行图像手写 / 打印 / 混合文本
→视觉编码器Transformer Encoder
→文本解码器Autoregressive Decoder
→字符序列Unicode text
适配历史标本标签
以人工转写的文本行为训练单位,学习西里尔文与拉丁文在实际标本签上的字形及组合。
微调训练
使用学习率 2×10⁻⁵、余弦调度、亮度与对比度等增强,并依据验证表现提前停止。
接入转录流程
接收裁取后的单行图像,输出可供人工核对与后续结构化处理的文字候选。
- 训练文本行
- 1,836
- 验证文本行
- 261
- 有效 batch
- 32
05 / RESOURCES
开放信息
模型与微调后参数文件将随论文发布公开