Transformers documentation
PP-OCRv6_small_det
Este modelo fue aportado a Hugging Face Transformers el 2026-05-19.
PP-OCRv6_small_det
Resumen
PP-OCRv6_small_det es el modelo pequeño de la serie de detección PP-OCRv6 desarrollado por el equipo de PaddleOCR. Utiliza LCNetV4 como columna vertebral y RepLKFPN como cuello de pirámide de características, proporcionando una localización precisa de texto en diversos escenarios, incluido el texto manuscrito, impreso, rotado, curvo y artístico en múltiples idiomas. El modelo contiene 2,48 millones de parámetros.
Arquitectura del modelo
Uso
Inferencia con una sola entrada
El siguiente ejemplo demuestra cómo detectar texto con PP-OCRv6_small_det usando 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)Inferencia por lotes
Así es como puedes hacerlo con PP-OCRv6_small_det usando 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
clase transformers.PPOCRV6SmallDetForObjectDetection
< source >( config: PPOCRV6SmallDetConfig )
Parámetros
- config (PPOCRV6SmallDetConfig) — Clase de configuración del modelo con todos los parámetros del modelo. Inicializar con un archivo de configuración no carga los pesos asociados con el modelo, solo la configuración. Consulte el método from_pretrained() para cargar los pesos del modelo.
Modelo PPOCR6SmallRec para tareas de reconocimiento de texto.
Este modelo hereda de PreTrainedModel. Consulta la documentación de la clase superior para los métodos genéricos que la biblioteca implementa para todos sus modelos (como la descarga o el guardado, el redimensionamiento de las incrustaciones de entrada, la poda de cabezas, etc.).
Este modelo también es una subclase de torch.nn.Module de PyTorch. Úsalo como un módulo de PyTorch regular y consulta la documentación de PyTorch para todo lo relacionado con el uso y el comportamiento generales.
PPOCRV6SmallDetConfig
clase transformers.PPOCRV6SmallDetConfig
< source >( 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 )
Parámetros
- backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], opcional) — La configuración del modelo backbone. - reduction (
int, opcional, valor predeterminado 4) — El factor de reducción para las dimensiones de los canales de características, utilizado para reducir el número de parámetros del modelo y la complejidad computacional manteniendo la capacidad de representación de las características. - neck_out_channels (
int, opcional, valor predeterminado 96) — El número de canales de salida de la red neck, que se encarga de la fusión y el refinamiento de características antes de pasarlas a la red head. - interpolate_mode (
str, opcional, valor predeterminado"nearest") — El modo de interpolación utilizado para el aumento o la reducción de la escala de los mapas de características en la red neck. Los modos admitidos incluyen"nearest"(interpolación del vecino más cercano) y"bilinear". - kernel_list (
List[int], opcional, valor predeterminado[3, 2, 2]) — La lista de tamaños de kernel para las capas convolucionales de la red de cabecera, utilizada para la extracción de características a múltiples escalas con el fin de detectar regiones de texto de diferentes tamaños. - layer_list_out_channels (
List[int], opcional, valor predeterminado[12, 18, 42, 360]) — La lista de canales de salida para cada etapa del backbone, utilizada para configurar los canales de entrada de las capas RSE en la red neck para la fusión de características multiescala. - dilated_kernel_size (
int, opcional, valor predeterminado 7) — El tamaño del kernel de la capa de convolución dilatada en la ruta de convolución de entrada, utilizado para capturar dependencias de largo alcance en los mapas de características.
Esta es la clase de configuración para almacenar la configuración de un PPOCRV6SmallDetModel. Se utiliza para instanciar un modelo Pp Ocrv6 Small Det según los argumentos especificados, definiendo la arquitectura del modelo. Instanciar una configuración con los valores predeterminados producirá una configuración similar a la de PaddlePaddle/PP-OCRv6_small_det_safetensors
Los objetos de configuración heredan de PreTrainedConfig y se pueden usar para controlar las salidas del modelo. Lea la documentación de PreTrainedConfig para obtener más información.
PPOCRV6SmallDetModel
clase transformers.PPOCRV6SmallDetModel
< source >( config: PPOCRV6SmallDetConfig )
Parámetros
- config (PPOCRV6SmallDetConfig) — Clase de configuración del modelo con todos los parámetros del modelo. Inicializar con un archivo de configuración no carga los pesos asociados con el modelo, solo la configuración. Consulte el método from_pretrained() para cargar los pesos del modelo.
El modelo Pp Ocrv6 Small Det básico que genera estados ocultos sin ningún cabezal específico en la parte superior.
Este modelo hereda de PreTrainedModel. Consulta la documentación de la clase superior para los métodos genéricos que la biblioteca implementa para todos sus modelos (como la descarga o el guardado, el redimensionamiento de las incrustaciones de entrada, la poda de cabezas, etc.).
Este modelo también es una subclase de torch.nn.Module de PyTorch. Úsalo como un módulo de PyTorch regular y consulta la documentación de PyTorch para todo lo relacionado con el uso y el comportamiento generales.
forward
< source >( pixel_values: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BaseModelOutputWithNoAttention or tuple(torch.Tensor)
Parámetros
- pixel_values (
torch.Tensorde forma(batch_size, num_channels, image_size, image_size)) — Los tensores correspondientes a las imágenes de entrada. Los valores de píxeles se pueden obtener utilizando PPOCRV5ServerDetImageProcessor. Consulte PPOCRV5ServerDetImageProcessor.call() para más detalles (processor_classutiliza PPOCRV5ServerDetImageProcessor para procesar las imágenes).
Devuelve
BaseModelOutputWithNoAttention o tuple(torch.Tensor)
Un BaseModelOutputWithNoAttention o una tupla de
torch.Tensor (si se pasa return_dict=False o cuando config.return_dict=False) que comprende varios
elementos según la configuración (PPOCRV6SmallDetConfig) y las entradas.
El método forward de PPOCRV6SmallDetModel sobrescribe el método especial __call__.
Aunque la receta para la pasada hacia adelante debe definirse dentro de esta función, se debe llamar a la instancia de
Moduledespués en lugar de a esta, ya que la primera se encarga de ejecutar los pasos de pre y postprocesamiento, mientras que la segunda los ignora silenciosamente.
last_hidden_state (
torch.Tensorde forma(batch_size, num_channels, height, width)) — Secuencia de estados ocultos en la salida de la última capa del modelo.hidden_states (
tuple(torch.Tensor), opcional, devuelto cuando se pasaoutput_hidden_states=Trueo cuandoconfig.output_hidden_states=True) — Tupla detorch.Tensor(una para la salida de las incrustaciones, si el modelo tiene una capa de incrustaciones, + una para la salida de cada capa) de forma(batch_size, num_channels, height, width).Estados ocultos del modelo en la salida de cada capa más las salidas opcionales de la incrustación inicial.