Transformers documentation
PP-OCRv5_mobile_det
Este modelo fue aportado a Hugging Face Transformers el 13 de marzo de 2026.
PP-OCRv5_mobile_det
Resumen
PP-OCRv5_mobile_det es un modelo ligero dedicado a la detección de texto, centrado específicamente en la detección y comprensión eficientes de elementos de texto en documentos multilingües y escenas naturales.
Arquitectura del modelo
PP-OCRv5_mobile_det es uno de los modelos de la serie PP-OCRv5_det, la última generación de modelos de detección de texto desarrollados por el equipo de PaddleOCR. Su objetivo es soportar de manera eficiente y precisa la detección de texto en escenarios diversos, como texto manuscrito, vertical, rotado y curvo, en múltiples idiomas, entre ellos el chino simplificado, el chino tradicional, el inglés y el japonés. Sus características principales incluyen un manejo robusto de diseños complejos, tamaños de texto variables y fondos difíciles, lo que lo hace adecuado para aplicaciones prácticas como el análisis de documentos, el reconocimiento de matrículas y la detección de texto en escenas.
Uso
Inferencia con una sola entrada
El siguiente ejemplo demuestra cómo detectar texto con PP-OCRV5_Mobile_Det usando Pipeline o AutoModel.
import requests
from PIL import Image
from transformers import pipeline
image = Image.open(
requests.get(
"https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True
).raw)
detector = pipeline(
task="object-detection",
model="PaddlePaddle/PP-OCRV5_mobile_det_safetensors",
device_map="auto",
)
results = detector(image)
for result in results:
print(result)import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection
model_path="PaddlePaddle/PP-OCRv5_mobile_det_safetensors"
model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)
image = Image.open(requests.get("https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True).raw).convert("RGB")
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"])
for result in results:
print(result["boxes"])
print(result["scores"])Inferencia por lotes
Así es como puedes hacerlo con PP-OCRV5_Mobile_Det usando Pipeline o AutoModel:
import requests
from PIL import Image
from transformers import pipeline
image = Image.open(
requests.get(
"https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True
).raw)
detector = pipeline(
task="object-detection",
model="PaddlePaddle/PP-OCRV5_mobile_det_safetensors",
device_map="auto",
)
results = detector([image, image])
for result in results:
print(result)import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection
model_path="PaddlePaddle/PP-OCRv5_mobile_det_safetensors"
model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)
image = Image.open(requests.get("https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True).raw).convert("RGB")
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"])
for result in results:
print(result["boxes"])
print(result["scores"])PPOCRV5MobileDetForObjectDetection
clase transformers.PPOCRV5MobileDetForObjectDetection
< source >( config: PPOCRV5MobileDetConfig )
Parámetros
- config (PPOCRV5MobileDetConfig) — 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 PPOCRV5 Mobile Det para tareas de detección de objetos (texto). Envuelve el núcleo PPOCRV5MobileDetModel y devuelve salidas compatibles con la API de detección de objetos de Transformers.
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.
PPOCRV5MobileDetConfig
clase transformers.PPOCRV5MobileDetConfig
< 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) )
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.
Esta es la clase de configuración para almacenar la configuración de un Pp Ocrv5 Mobile DetModel. Se utiliza para instanciar un modelo Pp Ocrv5 Mobile 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-OCRv5_mobile_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.
PPOCRV5MobileDetModel
clase transformers.PPOCRV5MobileDetModel
< source >( config: PPOCRV5MobileDetConfig )
Parámetros
- config (PPOCRV5MobileDetConfig) — 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.
Núcleo de PP-OCRv5_mobile_det, que consta de las redes Backbone, Neck y Head. Genera mapas de segmentación de texto binarios para tareas de detección 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.