Transformers documentation
PP-OCRv5_mobile_det
Mô hình này đã được đóng góp cho Hugging Face Transformers vào ngày 2026-03-13.
PP-OCRv5_mobile_det
Tổng quan
PP-OCRv5_mobile_det là một mô hình nhẹ chuyên dụng cho việc phát hiện văn bản, tập trung cụ thể vào việc phát hiện và hiểu các yếu tố văn bản một cách hiệu quả trong các tài liệu đa ngôn ngữ và cảnh tự nhiên.
Kiến trúc Mô hình
PP-OCRv5_mobile_det là một trong các mô hình thuộc dòng PP-OCRv5_det, thế hệ mới nhất của các mô hình phát hiện văn bản do nhóm PaddleOCR phát triển. Mô hình này hướng đến việc hỗ trợ phát hiện văn bản một cách hiệu quả và chính xác trong nhiều kịch bản đa dạng—bao gồm chữ viết tay, chữ dọc, chữ xoay và chữ cong—trên nhiều ngôn ngữ như tiếng Trung giản thể, tiếng Trung phồn thể, tiếng Anh và tiếng Nhật. Các tính năng chính bao gồm khả năng xử lý vững chắc các bố cục phức tạp, kích thước văn bản khác nhau và các nền khó, giúp mô hình phù hợp với các ứng dụng thực tế như phân tích tài liệu, nhận dạng biển số xe và phát hiện văn bản trong cảnh.
Cách sử dụng
Suy luận với một đầu vào
Ví dụ dưới đây minh họa cách phát hiện văn bản bằng PP-OCRV5_Mobile_Det sử dụng Pipeline hoặc AutoModel.
import requests
from PIL import Image
from transformers import pipeline
image = Image.open(
requests.get(
"https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True
).raw)
detector = pipeline(
task="object-detection",
model="PaddlePaddle/PP-OCRV5_mobile_det_safetensors",
device_map="auto",
)
results = detector(image)
for result in results:
print(result)import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection
model_path="PaddlePaddle/PP-OCRv5_mobile_det_safetensors"
model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)
image = Image.open(requests.get("https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True).raw).convert("RGB")
inputs = image_processor(images=image, return_tensors="pt").to(model.device)
outputs = model(**inputs)
results = image_processor.post_process_object_detection(outputs, target_sizes=inputs["target_sizes"])
for result in results:
print(result["boxes"])
print(result["scores"])Suy luận theo lô
Dưới đây là cách bạn có thể thực hiện điều này với PP-OCRV5_Mobile_Det bằng cách sử dụng Pipeline hoặc AutoModel:
import requests
from PIL import Image
from transformers import pipeline
image = Image.open(
requests.get(
"https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True
).raw)
detector = pipeline(
task="object-detection",
model="PaddlePaddle/PP-OCRV5_mobile_det_safetensors",
device_map="auto",
)
results = detector([image, image])
for result in results:
print(result)import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection
model_path="PaddlePaddle/PP-OCRv5_mobile_det_safetensors"
model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)
image = Image.open(requests.get("https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True).raw).convert("RGB")
inputs = image_processor(images=[image, image], return_tensors="pt").to(model.device)
outputs = model(**inputs)
results = image_processor.post_process_object_detection(outputs, target_sizes=inputs["target_sizes"])
for result in results:
print(result["boxes"])
print(result["scores"])PPOCRV5MobileDetForObjectDetection
lớp transformers.PPOCRV5MobileDetForObjectDetection
< source >( config: PPOCRV5MobileDetConfig )
Tham số
- config (PPOCRV5MobileDetConfig) — Lớp cấu hình mô hình chứa tất cả các tham số của mô hình. Khởi tạo bằng tệp cấu hình sẽ không tải trọng số liên quan đến mô hình, chỉ tải cấu hình. Xem phương thức from_pretrained() để tải trọng số mô hình.
Mô hình PPOCRV5 Mobile Det cho các tác vụ phát hiện đối tượng (chữ). Bao bọc mô hình PPOCRV5MobileDetModel cốt lõi và trả về các đầu ra tương thích với API phát hiện đối tượng của Transformers.
Mô hình này kế thừa từ PreTrainedModel. Xem tài liệu của lớp cha để biết các phương thức chung mà thư viện triển khai cho tất cả các mô hình của nó (chẳng hạn như tải xuống hoặc lưu trữ, thay đổi kích thước các nhúng đầu vào, cắt tỉa các đầu, v.v.)
Mô hình này cũng là một lớp con của torch.nn.Module trong PyTorch. Hãy sử dụng nó như một Module PyTorch thông thường và tham khảo tài liệu PyTorch cho mọi vấn đề liên quan đến cách sử dụng và hành vi chung.
PPOCRV5MobileDetConfig
lớp transformers.PPOCRV5MobileDetConfig
< source >( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonebackbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonereduction: int = 4neck_out_channels: int = 96interpolate_mode: str = 'nearest'kernel_list: list[int] | tuple[int, ...] = (3, 2, 2)layer_list_out_channels: list[int] | tuple[int, ...] = (12, 18, 42, 360) )
Tham số
- backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], tùy chọn) — Cấu hình của mô hình backbone. - reduction (
int, tuỳ chọn, mặc định là 4) — Hệ số giảm cho các chiều kênh đặc trưng, được sử dụng để giảm số lượng tham số của mô hình và độ phức tạp tính toán trong khi vẫn duy trì khả năng biểu diễn đặc trưng. - neck_out_channels (
int, tùy chọn, mặc định là 96) — Số lượng kênh đầu ra từ mạng neck, có trách nhiệm kết hợp và tinh chỉnh đặc trưng trước khi truyền các đặc trưng này sang mạng head. - interpolate_mode (
str, tùy chọn, mặc định là"nearest") — Chế độ nội suy được sử dụng để tăng hoặc giảm mẫu các bản đồ đặc trưng trong mạng neck. Các chế độ được hỗ trợ bao gồm"nearest"(nội suy láng giềng gần nhất) và"bilinear". - kernel_list (
List[int], tuỳ chọn, mặc định là[3, 2, 2]) — Danh sách kích thước kernel cho các lớp tích chập trong mạng đầu, được sử dụng để trích xuất đặc trưng đa tỷ lệ nhằm phát hiện các vùng văn bản có kích thước khác nhau. - layer_list_out_channels (
List[int], tùy chọn, mặc định là[12, 18, 42, 360]) — Danh sách số kênh đầu ra cho mỗi giai đoạn của backbone, được sử dụng để cấu hình số kênh đầu vào của các lớp RSE trong mạng neck nhằm kết hợp đặc trưng đa tỷ lệ.
Đây là lớp cấu hình để lưu trữ cấu hình của một Pp Ocrv5 Mobile DetModel. Nó được sử dụng để khởi tạo một mô hình Pp Ocrv5 Mobile Det theo các đối số được chỉ định, xác định kiến trúc của mô hình. Khởi tạo một cấu hình với các giá trị mặc định sẽ tạo ra một cấu hình tương tự như cấu hình của PaddlePaddle/PP-OCRv5_mobile_det_safetensors
Các đối tượng cấu hình kế thừa từ PreTrainedConfig và có thể được sử dụng để kiểm soát đầu ra của mô hình. Đọc tài liệu từ PreTrainedConfig để biết thêm thông tin.
PPOCRV5MobileDetModel
lớp transformers.PPOCRV5MobileDetModel
< source >( config: PPOCRV5MobileDetConfig )
Tham số
- config (PPOCRV5MobileDetConfig) — Lớp cấu hình mô hình chứa tất cả các tham số của mô hình. Khởi tạo bằng tệp cấu hình sẽ không tải trọng số liên quan đến mô hình, chỉ tải cấu hình. Xem phương thức from_pretrained() để tải trọng số mô hình.
Lõi PP-OCRv5_mobile_det, bao gồm các mạng Backbone, Neck và Head. Tạo ra các bản đồ phân đoạn văn bản nhị phân cho các tác vụ phát hiện văn bản.
Mô hình này kế thừa từ PreTrainedModel. Xem tài liệu của lớp cha để biết các phương thức chung mà thư viện triển khai cho tất cả các mô hình của nó (chẳng hạn như tải xuống hoặc lưu trữ, thay đổi kích thước các nhúng đầu vào, cắt tỉa các đầu, v.v.)
Mô hình này cũng là một lớp con của torch.nn.Module trong PyTorch. Hãy sử dụng nó như một Module PyTorch thông thường và tham khảo tài liệu PyTorch cho mọi vấn đề liên quan đến cách sử dụng và hành vi chung.