Kanji_ETL8G 模型卡片

摘要：

ETL8B
 - 153916 个样本
 - 956 个类别（平假名和汉字）
 - 每个类别 161 个样本
 - 图像宽度：64px
 - 图像高度：63px

模型详情

• 模型名称： Kanji_ETL8G
• 版本： 1.0.0
• 模型类型： 神经网络
• 框架： PyTorch

模型描述

该模型基于 ETL8G 数据集训练，用于从 64x64 灰度图像中识别汉字字符。主要应用场景是手写汉字的光学字符识别（OCR）。

预期用途

该模型的主要应用是 OCR 任务，用于识别图像中的手写汉字字符，可扩展应用于智能词典查询、基于手写的用户认证等场景。

局限性

该模型可能存在以下局限：

• 训练集中未涵盖的手写风格多样性（每个字符/类别使用了 161 个样本）
• 输入图像中的噪声和伪影
• 非常规方式书写的字符

数据详情

训练数据：

• 数据集： 源自 ETL8G 数据集 (http://etlcdb.db.aist.go.jp/specification-of-etl-8)
• 规模： 153916 个样本
• 数据类型： 64x64 手写汉字灰度图像
• 标签： 956 个唯一字符（类别）

模型文件

• PyTorch 模型： Kanji_ETL8G.pth
• ONNX 模型： Kanji_ETL8G.onnx
• CoreML 模型： 待开发...

使用方法

import torch
model = torch.load('Kanji_ETL8G.pth')
model.eval()
# 假设输入图像张量为 `input_tensor`
output = model(input_tensor)
predicted_label = torch.argmax(output).item()