Hugging Face's logo

Transformers documentation

PP-OCRv6_small_det

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v5.22.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Model ini disumbangkan ke Hugging Face Transformers pada 2026-05-19.

PP-OCRv6_small_det

PyTorch

Ikhtisar

PP-OCRv6_small_det adalah model kecil dalam seri deteksi PP-OCRv6 yang dikembangkan oleh tim PaddleOCR. Model ini menggunakan LCNetV4 sebagai backbone dan RepLKFPN sebagai leher piramida fitur, menyediakan lokalisasi teks yang akurat di berbagai skenario, termasuk teks tulisan tangan, cetak, berputar, melengkung, dan artistik dalam berbagai bahasa. Model ini berisi 2,48 juta parameter.

Arsitektur Model

Penggunaan

Inferensi input tunggal

Contoh di bawah ini menunjukkan cara mendeteksi teks dengan PP-OCRv6_small_det menggunakan AutoModel.

AutoModel
from io import BytesIO

from huggingface_hub.utils import httpx
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection
from transformers.image_utils import load_image

model_path = "PaddlePaddle/PP-OCRv6_small_det_safetensors" # or "PaddlePaddle/PP-OCRv6_tiny_det_safetensors"
model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)

image_url = "https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png"
image = load_image(image_url)
inputs = image_processor(images=image, return_tensors="pt").to(model.device)
outputs = model(**inputs)

results = image_processor.post_process_object_detection(
    outputs, 
    target_sizes=inputs["target_sizes"],
    threshold=0.2,
    box_threshold=0.45,
    max_candidates=3000,
    unclip_ratio=1.4,
)

for result in results:
    print(result)

Inferensi berbatch

Berikut cara melakukannya dengan PP-OCRv6_small_det menggunakan AutoModel:

AutoModel
from io import BytesIO

from huggingface_hub.utils import httpx
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection
from transformers.image_utils import load_image

model_path = "PaddlePaddle/PP-OCRv6_small_det_safetensors" # or "PaddlePaddle/PP-OCRv6_tiny_det_safetensors"
model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)

image_url = "https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png"
image = load_image(image_url)
inputs = image_processor(images=[image, image], return_tensors="pt").to(model.device)
outputs = model(**inputs)

results = image_processor.post_process_object_detection(
    outputs, 
    target_sizes=inputs["target_sizes"],
    threshold=0.2,
    box_threshold=0.45,
    max_candidates=3000,
    unclip_ratio=1.4,
)

for result in results:
    print(result)

PPOCRV6SmallDetForObjectDetection

kelas transformers.PPOCRV6SmallDetForObjectDetection

< >

( config: PPOCRV6SmallDetConfig )

Parameter

  • config (PPOCRV6SmallDetConfig) — Kelas konfigurasi model dengan semua parameter model. Inisialisasi dengan file konfigurasi tidak memuat bobot yang terkait dengan model, hanya konfigurasinya. Lihat metode from_pretrained() untuk memuat bobot model.

Model PPOCR6SmallRec untuk tugas pengenalan teks.

Model ini mewarisi dari PreTrainedModel. Periksa dokumentasi kelas induk untuk metode generik yang diimplementasikan oleh pustaka untuk semua model (seperti mengunduh atau menyimpan, mengubah ukuran embedding input, memangkas kepala, dll.)

Model ini juga merupakan subclass dari torch.nn.Module PyTorch. Gunakan sebagai PyTorch Module biasa dan merujuk ke dokumentasi PyTorch untuk semua hal yang berkaitan dengan penggunaan dan perilaku umum.

PPOCRV6SmallDetConfig

kelas transformers.PPOCRV6SmallDetConfig

< >

( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonebackbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonereduction: int = 4neck_out_channels: int = 96interpolate_mode: str = 'nearest'kernel_list: list[int] | tuple[int, ...] = (3, 2, 2)layer_list_out_channels: list[int] | tuple[int, ...] = (12, 18, 42, 360)dilated_kernel_size: int = 7 )

Parameter

  • backbone_config (Union[dict, ~configuration_utils.PreTrainedConfig], opsional) — Konfigurasi dari model backbone.
  • reduction (int, opsional, default 4) — Faktor reduksi untuk dimensi kanal fitur, digunakan untuk mengurangi jumlah parameter model dan kompleksitas komputasi sambil mempertahankan representabilitas fitur.
  • neck_out_channels (int, opsional, default 96) — Jumlah saluran keluar dari jaringan neck, yang bertanggung jawab untuk fusi dan penyempurnaan fitur sebelum meneruskan fitur ke jaringan head.
  • interpolate_mode (str, opsional, defaultnya "nearest") — Mode interpolasi yang digunakan untuk upsampling atau downsampling peta fitur di jaringan neck. Mode yang didukung meliputi "nearest" (interpolasi tetangga terdekat) dan "bilinear".
  • kernel_list (List[int], opsional, default [3, 2, 2]) — Daftar ukuran kernel untuk lapisan konvolusional dalam jaringan head, yang digunakan untuk ekstraksi fitur multi-skala guna mendeteksi wilayah teks dengan ukuran berbeda.
  • layer_list_out_channels (List[int], opsional, default [12, 18, 42, 360]) — Daftar saluran keluar untuk setiap tahap backbone, digunakan untuk mengonfigurasi saluran input dari lapisan RSE dalam jaringan neck untuk fusi fitur multi-skala.
  • dilated_kernel_size (int, opsional, default 7) — Ukuran kernel dari lapisan konvolusi dilasi pada jalur konvolusi input, digunakan untuk menangkap dependensi jarak jauh pada peta fitur.

Ini adalah kelas konfigurasi untuk menyimpan konfigurasi dari PPOCRV6SmallDetModel. Kelas ini digunakan untuk membuat instans model Pp Ocrv6 Small Det sesuai dengan argumen yang ditentukan, yang mendefinisikan arsitektur model. Membuat instans konfigurasi dengan nilai bawaan akan menghasilkan konfigurasi yang serupa dengan konfigurasi dari PaddlePaddle/PP-OCRv6_small_det_safetensors

Objek konfigurasi mewarisi dari PreTrainedConfig dan dapat digunakan untuk mengontrol output model. Baca dokumentasi dari PreTrainedConfig untuk informasi lebih lanjut.

PPOCRV6SmallDetModel

kelas transformers.PPOCRV6SmallDetModel

< >

( config: PPOCRV6SmallDetConfig )

Parameter

  • config (PPOCRV6SmallDetConfig) — Kelas konfigurasi model dengan semua parameter model. Inisialisasi dengan file konfigurasi tidak memuat bobot yang terkait dengan model, hanya konfigurasinya. Lihat metode from_pretrained() untuk memuat bobot model.

Model Pp Ocrv6 Small Det polos yang menghasilkan hidden-states mentah tanpa head spesifik di atasnya.

Model ini mewarisi dari PreTrainedModel. Periksa dokumentasi kelas induk untuk metode generik yang diimplementasikan oleh pustaka untuk semua model (seperti mengunduh atau menyimpan, mengubah ukuran embedding input, memangkas kepala, dll.)

Model ini juga merupakan subclass dari torch.nn.Module PyTorch. Gunakan sebagai PyTorch Module biasa dan merujuk ke dokumentasi PyTorch untuk semua hal yang berkaitan dengan penggunaan dan perilaku umum.

forward

< >

( pixel_values: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BaseModelOutputWithNoAttention or tuple(torch.Tensor)

Parameter

Mengembalikan

BaseModelOutputWithNoAttention atau tuple(torch.Tensor)

BaseModelOutputWithNoAttention atau tuple dari torch.Tensor (jika return_dict=False diteruskan atau ketika config.return_dict=False) yang terdiri dari berbagai elemen tergantung pada konfigurasi (PPOCRV6SmallDetConfig) dan input.

Metode forward dari PPOCRV6SmallDetModel menimpa metode khusus __call__.

Meskipun resep untuk forward pass perlu didefinisikan di dalam fungsi ini, sebaiknya panggil instance Module setelahnya alih-alih fungsi ini, karena yang pertama menangani langkah-langkah pra-pemrosesan dan pasca-pemrosesan, sedangkan yang kedua mengabaikannya secara diam-diam.

  • last_hidden_state (torch.Tensor dengan bentuk (batch_size, num_channels, height, width)) — Urutan hidden-state pada keluaran lapisan terakhir model.

  • hidden_states (tuple(torch.Tensor), opsional, dikembalikan saat output_hidden_states=True dilewatkan atau saat config.output_hidden_states=True) — Tuple dari torch.Tensor (satu untuk output dari embeddings, jika model memiliki lapisan embedding, + satu untuk output dari setiap lapisan) dengan bentuk (batch_size, num_channels, height, width).

    Hidden-states model pada output setiap layer ditambah output embedding awal yang opsional.

Update on GitHub

←PP-OCRv6_medium_det PP-OCRv6_small_rec→