Geez 字符 OCR (Geez-Net)

<!-- Provide a quick summary of what the model is/does. --> 该模型是一个高性能光学字符识别 (OCR) 系统，专为 Geez 文字（阿姆哈拉语、提格雷语）设计。它采用卷积神经网络 (CNN) 架构，能够高精度地对手写 Geez 字符图像进行分类。

模型详情

模型描述

<!-- Provide a longer summary of what this model is. -->

该模型利用深度 CNN 架构解决了 Geez 文字数字识别的挑战。它被训练用于接收单个字符图像并输出 287 个可能的字符类别之一。该模型已使用 ONNX 运行时针对 Web 部署进行了优化。

• 开发者： Yared Kassa
• 分享者： Yared Kassa
• 模型类型： 用于图像分类的卷积神经网络 (CNN)
• 语言： 阿姆哈拉语、提格雷语（Geez 文字）
• 许可证： apache-2.0
• 微调自： 从头训练

模型来源 [可选]

<!-- Provide a basic links for the model. -->

• 代码库： Yaredoffice/geez-characters

用途

<!-- Address questions around how the model is intended to be used, including foreseeable users of the model and those affected by the model. -->

直接使用

<!-- This section is for model use without fine-tuning or plugging into a larger ecosystem/app. -->

该模型旨在直接用于手写 Geez 文档的数字化、教育语言学习工具和自动化数据录入系统。用户输入手写字符的裁剪图像，模型返回预测的字符类别和置信度分数。

下游使用 [可选]

<!-- This section for model use when fine-tuned for a task, or when plugged into a larger ecosystem/app. -->

不适用（这是一个独立的分类模型）。

超出范围的使用

<!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->

该模型不适用于：

• 完整文档 OCR（它不执行单词分割或版面分析）。
• 非 Geez 文字的识别（拉丁文、阿拉伯文等）。
• 训练数据中不存在的草书或高度风格化字体的识别。

偏差、风险和局限性

<!-- This section is meant to convey both technical and sociotechnical limitations. -->

局限性

1. 单字符输入： 该模型需要预分割的单字符图像。它无法直接处理完整的单词或句子。
2. 输入质量： 在没有预处理的情况下，低分辨率或高噪声图像的性能可能会下降。
3. 数据偏差： 虽然在约 40 万张增强图像上进行了训练，但该模型可能偏向于原始 1.3 万个源数据集中存在的特定手写风格。

建议

<!-- This section is meant to convey recommendations with respect to bias, risk, and technical limitations. -->

用户应实现预处理流水线，在将单词输入此模型之前将其分割为单个字符。图像应归一化为 128x128 像素并转换为灰度。

评估

测试数据、因素和指标

指标

• 准确率：用于评估的主要指标。

推理性能

• 单图像推理：81% 基准准确率。
• 测试时增强 (TTA)：
  • 配置：10 次增强并进行多数投票。
  • 结果：达到约 90% 的分类准确率。
  • 影响：显著减少由手写变异性导致的错误率。

如何开始使用该模型

使用以下代码开始使用该模型。

import onnxruntime as ort
import numpy as np
from PIL import Image

# 1. 加载 ONNX 模型
session = ort.InferenceSession(\"cnn_output.onnx\")

# 2. 预处理输入图像
def preprocess_image(image_path):
    # 加载图像
    img = Image.open(image_path).convert('L') # 转换为灰度
    # 调整大小为 128x128
    img = img.resize((128, 128), Image.Resampling.LANCZOS)
    # 转换为 numpy 数组并归一化到 0-1
    img_array = np.array(img).astype('float32') / 255.0
    # 添加批次维度和通道维度 (1, 1, 128, 128)
    img_array = np.expand_dims(np.expand_dims(img_array, axis=0), axis=0)
    return img_array

input_data = preprocess_image(\"path/to/geez_char.jpg\")

# 3. 运行推理
input_name = session.get_inputs()[0].name
output_name = session.get_outputs()[0].name
predictions = session.run([output_name], {input_name: input_data})[0]

# 4. 获取预测类别
predicted_class_index = np.argmax(predictions)
print(f\"Predicted Class ID: {predicted_class_index}\")"