vietocr-vietnamese-handwriting

VietOCR Vietnamese Handwriting (vgg_transformer, fine-tuned)

VietOCR vgg_transformer (vgg19_bn + Transformer, d_model 256, vocab 233) tinh chỉnh cho chữ VIẾT TAY tiếng Việt trên 56.669 dòng train của 5CD-AI/Viet-Handwriting-OCR-v2, khởi từ trọng số chữ in doanhm/vgg_transformer. Kèm bản ONNX fp16 (encoder + decoder, đồ thị động theo khuôn dzngo/vietocr-models) chạy CPU bằng onnxruntime — không cần torch khi suy luận.

Kết quả — đo trên TRỌN 1.000 mẫu test chính thức (nhãn người thật)

Parity torch ↔ ONNX: 20/20 dòng khớp nguyên văn.

Tệp

Suy luận (onnxruntime, không cần torch)

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

enc = ort.InferenceSession("encoder_fp16.onnx"); dec = ort.InferenceSession("decoder_fp16.onnx")
vocab = open("vocab.txt", encoding="utf-8").read().splitlines()

img = Image.open("dong_viet_tay.png").convert("RGB")
w = max(32, int(round(32 * img.width / img.height)))
x = (np.asarray(img.resize((w, 32)), np.float32) / 255.0).transpose(2, 0, 1)[None]
memory = enc.run(None, {enc.get_inputs()[0].name: x})[0]

ids = [1]                                            # <sos>
for _ in range(128):
    logits = dec.run(None, {dec.get_inputs()[0].name: np.array([ids], np.int64).T,
                            dec.get_inputs()[1].name: memory})[0]
    t = int(logits[0].argmax())
    if t == 2: break                                 # <eos>
    ids.append(t)
print("".join(vocab[i] for i in ids[1:]))

Huấn luyện

12 epoch CPU (AdamW + OneCycle 3e-4, batch 32, label smoothing 0.1, 5% mask token; ảnh cao 32px, bề rộng lượng tử về bội 40 đệm trắng) — best epoch 11, val CER trọng số 5,6%. ONNX xuất bằng tráo trọng số vào đồ thị động dzngo/vietocr-models (exporter torch trực tiếp không dựng được đồ thị động cho decoder tự hồi quy này); Linear nặc danh map theo node-path, Conv gộp BatchNorm.

Nguồn gốc: kiến trúc & nghi thức huấn luyện vietocr (Apache-2.0) · trọng số khởi tạo doanhm/vgg_transformer · khuôn đồ thị ONNX dzngo/vietocr-models · dữ liệu 5CD-AI/Viet-Handwriting-OCR-v2.