Dự án này phát triển một mô hình nhận dạng chữ viết tay tiếng Việt, sử dụng TrOCR (Transformer-based Optical Character Recognition). Để cải thiện hiệu quả nhận dạng, mình đã tích hợp PhoBERT làm tokenizer.
Datasets được lấy từ VNonDB và CinamonAI. https://huggingface.co/datasets/Daominhwysi/vietnamese_handwritten
| Mô hình | Số lượng tham số | CER ↓ |
|---|---|---|
| TrOCR handwritten base | 348M | - |
| TrOCR handwritten large | 558M | - |
- CER (Character Error Rate): Tỷ lệ lỗi ký tự, giá trị càng thấp, mô hình càng chính xác.
Nếu có bất kỳ câu hỏi nào hoặc cần thêm thông tin, vui lòng liên hệ với tôi qua email tại [email protected] hoặc qua Discord với tên người dùng daominhwysi.
- https://arxiv.org/pdf/2105.07983
- Tích hợp PhoBART để cải thiện phát hiện và sửa lỗi ngữ pháp.
- Triển khai mô hình trocr-large-handwritten.
- Sử dụng Dataset từ 5k ảnh chữ viết tay để huấn luyện thêm.