Transformers documentation
PP-OCRv5_mobile_det
Model ini disumbangkan ke Hugging Face Transformers pada 2026-03-13.
PP-OCRv5_mobile_det
Ikhtisar
PP-OCRv5_mobile_det adalah model ringan khusus untuk deteksi teks, yang berfokus secara spesifik pada deteksi dan pemahaman elemen teks yang efisien dalam dokumen multibahasa dan adegan alami.
Arsitektur Model
PP-OCRv5_mobile_det adalah salah satu dari seri PP-OCRv5_det, generasi terbaru model deteksi teks yang dikembangkan oleh tim PaddleOCR. Model ini bertujuan untuk mendukung deteksi teks secara efisien dan akurat dalam berbagai skenario—termasuk tulisan tangan, teks vertikal, teks yang diputar, dan teks melengkung—melalui berbagai bahasa seperti Mandarin Sederhana, Mandarin Tradisional, Inggris, dan Jepang. Fitur-fitur utamanya meliputi penanganan yang tangguh terhadap tata letak kompleks, ukuran teks yang bervariasi, dan latar belakang yang menantang, sehingga cocok untuk aplikasi praktis seperti analisis dokumen, pengenalan pelat nomor, dan deteksi teks dalam adegan.
Penggunaan
Inferensi input tunggal
Contoh di bawah ini menunjukkan cara mendeteksi teks dengan PP-OCRV5_Mobile_Det menggunakan Pipeline atau 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"])Inferensi berbatch
Berikut cara melakukannya dengan PP-OCRV5_Mobile_Det menggunakan Pipeline atau 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
kelas transformers.PPOCRV5MobileDetForObjectDetection
< source >( config: PPOCRV5MobileDetConfig )
Parameter
- config (PPOCRV5MobileDetConfig) — Kelas konfigurasi model dengan semua parameter model. Inisialisasi dengan file konfigurasi tidak memuat bobot yang terkait dengan model, hanya konfigurasinya. Lihat metode from_pretrained() untuk memuat bobot model.
Model PPOCRV5 Mobile Det untuk tugas deteksi objek (teks). Membungkus inti PPOCRV5MobileDetModel dan mengembalikan output yang kompatibel dengan API deteksi objek Transformers.
Model ini mewarisi dari PreTrainedModel. Periksa dokumentasi kelas induk untuk metode generik yang diimplementasikan oleh pustaka untuk semua model (seperti mengunduh atau menyimpan, mengubah ukuran embedding input, memangkas kepala, dll.)
Model ini juga merupakan subclass dari torch.nn.Module PyTorch. Gunakan sebagai PyTorch Module biasa dan merujuk ke dokumentasi PyTorch untuk semua hal yang berkaitan dengan penggunaan dan perilaku umum.
PPOCRV5MobileDetConfig
kelas 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) )
Parameter
- backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], opsional) — Konfigurasi dari model backbone. - reduction (
int, opsional, default 4) — Faktor reduksi untuk dimensi kanal fitur, digunakan untuk mengurangi jumlah parameter model dan kompleksitas komputasi sambil mempertahankan representabilitas fitur. - neck_out_channels (
int, opsional, default 96) — Jumlah saluran keluar dari jaringan neck, yang bertanggung jawab untuk fusi dan penyempurnaan fitur sebelum meneruskan fitur ke jaringan head. - interpolate_mode (
str, opsional, defaultnya"nearest") — Mode interpolasi yang digunakan untuk upsampling atau downsampling peta fitur di jaringan neck. Mode yang didukung meliputi"nearest"(interpolasi tetangga terdekat) dan"bilinear". - kernel_list (
List[int], opsional, default[3, 2, 2]) — Daftar ukuran kernel untuk lapisan konvolusional dalam jaringan head, yang digunakan untuk ekstraksi fitur multi-skala guna mendeteksi wilayah teks dengan ukuran berbeda. - layer_list_out_channels (
List[int], opsional, default[12, 18, 42, 360]) — Daftar saluran keluar untuk setiap tahap backbone, digunakan untuk mengonfigurasi saluran input dari lapisan RSE dalam jaringan neck untuk fusi fitur multi-skala.
Ini adalah kelas konfigurasi untuk menyimpan konfigurasi dari Pp Ocrv5 Mobile DetModel. Kelas ini digunakan untuk membuat instans model Pp Ocrv5 Mobile Det sesuai dengan argumen yang ditentukan, yang mendefinisikan arsitektur model. Membuat instans konfigurasi dengan nilai bawaan akan menghasilkan konfigurasi yang serupa dengan konfigurasi dari PaddlePaddle/PP-OCRv5_mobile_det_safetensors
Objek konfigurasi mewarisi dari PreTrainedConfig dan dapat digunakan untuk mengontrol output model. Baca dokumentasi dari PreTrainedConfig untuk informasi lebih lanjut.
PPOCRV5MobileDetModel
kelas transformers.PPOCRV5MobileDetModel
< source >( config: PPOCRV5MobileDetConfig )
Parameter
- config (PPOCRV5MobileDetConfig) — Kelas konfigurasi model dengan semua parameter model. Inisialisasi dengan file konfigurasi tidak memuat bobot yang terkait dengan model, hanya konfigurasinya. Lihat metode from_pretrained() untuk memuat bobot model.
Core PP-OCRv5_mobile_det, terdiri dari jaringan Backbone, Neck, dan Head. Menghasilkan peta segmentasi teks biner untuk tugas deteksi teks.
Model ini mewarisi dari PreTrainedModel. Periksa dokumentasi kelas induk untuk metode generik yang diimplementasikan oleh pustaka untuk semua model (seperti mengunduh atau menyimpan, mengubah ukuran embedding input, memangkas kepala, dll.)
Model ini juga merupakan subclass dari torch.nn.Module PyTorch. Gunakan sebagai PyTorch Module biasa dan merujuk ke dokumentasi PyTorch untuk semua hal yang berkaitan dengan penggunaan dan perilaku umum.