Kanji_ETL9G 模型卡片

概要:

ETL9G
 : 607200 个样本
 : 3036 个类别（平假名和汉字）
 : 每个类别 200 个样本
 : 记录长度: 8199 字节
 : 图像宽度: 64px
 : 图像高度: 64px

模型详情

• 模型名称: Kanji_ETL9G
• 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 ETL9G 数据集训练，用于从 64x64 灰度图像中识别汉字字符。主要用途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，并可扩展应用于智能字典查询、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性：

• 训练集中未涵盖的手写风格变化。（每个字符/类别使用了 200 个样本）
• 输入图像中的噪声和伪影。
• 非常规书写方式的字符。

数据详情

训练数据:

• 数据集: 源自 ETL9G 数据集 (http://etlcdb.db.aist.go.jp/specification-of-etl-9)
• 规模: 607200 个样本
• 数据类型: 64x64 手写汉字灰度图像（由于技术限制，图像从 128x127 调整大小）
• 标签: 3036 个唯一字符（类别）

模型文件

• PyTorch 模型: Kanji_ETL9G.pth
• ONNX 模型: Kanji_ETL9G.onnx
• CoreML 模型: 待完成....

使用方法

import torch
model = torch.load('Kanji_ETL9G.pth')
model.eval()

# 假设输入图像张量为 `input_tensor`
output = model(input_tensor)
predicted_label = torch.argmax(output).item()