NuosuBburma-OCR – AI Model by nanxidajun | AlphaNeural AI

You can deploy this model and start earning money today!

nanxidajun/
NuosuBburma-OCR

like

0

nanxidajun/NuosuBburma-OCR-Evaluation-Set

PaddlePaddle/PaddleOCR-VL-1.6

Views

No views yet

NuosuBburma OCR

规范彝文 OCR。 输入一张图片，输出规范彝文、汉字、拉丁字母、数字和标点的 Unicode 文本。

模型 · 评估集 · 评估集可视化 · 在线演示

概览

项目	内容
基座模型	PaddleOCR-VL-1.6（0.9B）
微调方式	两阶段 LoRA，权重已合并为单一模型
支持文字	规范彝文、汉字、拉丁字母、数字、标点
输入	单行、文本区域、整页、PDF 渲染页、拍摄图片
推理	最终权重已合并，无需额外加载 adapter
评估集	1,030 张真实扫描 / 拍摄图片（519 页 + 511 区域），不含合成数据

评估结果

指标为逐样本平均文本误差 NED（越低越好）。主指标为按模型原始输出计算的总 NED 与彝文 NED；去空白和规范化结果仅作辅助参考。评估集为 1,030 张真实图片。

指标	数值	说明
总 Avg NED	0.0474	主指标，按模型原始输出计算
彝文 Avg NED	0.0432	主指标，仅统计规范彝文字符
去空白 Avg NED	0.0399	辅助参考，剔除空白与换行差异
规范化后 Avg NED	0.0346	辅助参考，NFKC 兼容规范化
完全正确样本	333 张（32.3%）	1,030 张中 333 张与标准答案逐字一致

评估集为 519 张整页 + 511 张区域 / 行图，共 1,030 张。其中书籍整页逐字一致率 54 / 437（12.4%），书籍区域 228 / 350（65.1%）；整页与区域难度不同，不宜合并成单一“整页”指标看。

分场景 / 难度

下列 NED 均在去空白口径（0.0399）下、按采集场景和难度统计整样本 NED。分类图见分类评估分析。

采集场景	样本	NED
书籍扫描	787	0.0259
屏幕拍照	164	0.0393
手写拍照	70	0.2000
实景拍照	9	0.0247

难度	样本	NED
低	271	0.0163
中	501	0.0239
高	258	0.0957

怎么读： 书籍扫描是当前最可靠的适用范围；手写拍照是最明显的短板。少数带装饰图案、部首检字表或屏幕摩尔纹的页面会触发异常生成，明显抬高总体误差——这类页面清单与成因见上文分析文档。实景拍照仅 9 张，不足以外推一般实景能力。

训练方法

两阶段连续 LoRA 微调，最终合并为单一模型；两阶段的训练数据均独立合成。

通用混合文字适配。 用合成的规范彝文、汉字与混排图片建立端到端识别能力，覆盖多字体、多版式与不同图像清晰度。
形近字专项继续微调。 从第一阶段导出的模型继续训练，加入多字体、清晰与旧化条件下的彝文形近字 A/B 对照图片，并保留第一阶段通用样本 replay。

训练全程不使用评估图片、评估标准答案、模型在评估集上的输出或评估统计来制作或挑选训练数据。完整训练策略、消融边界与训练数据构建见 GitHub 训练文档。

使用

bash

hf download nanxidajun/NuosuBburma-OCR \
  --repo-type model \
  --local-dir models/NuosuBburma-OCR

支持单行、文本区域和整页图片输入。书籍扫描与清晰印刷最可靠；照片、手写与复杂版式建议人工复核。

使用边界

输出是 OCR 初稿，不是自动校对或翻译结果。
形近字专项微调降低了总体错误，但未解决全部形近字，个别高频混淆仍存在。
严重倾斜、反光、遮挡、弯曲、低清与复杂版式仍可能影响结果。
约 0.9B 参数的高精度参考模型，尚未针对移动端优化。

许可

基于 PaddleOCR-VL-1.6 微调发布，上游在固定版本 66317acc4c9fc17bd154591ce650735cd2855f3e 处核验为 Apache-2.0。使用时需同时遵守上游项目与数据来源的相关许可。