🧠 Model nomiKradus NumberOCR
📊 Parametrlar20,403,011 (~20.4M)
📏 Hajmi312 MB (checkpoint)
🎯 VazifasiRasmdan 1-8 tagacha raqamni o'qish
📐 Kirish formati64×256, oq-qora (grayscale)
🔤 Sinflar11 ta (0-9 raqamlar + blank)
🏗 Arxitektura (CNN + BiLSTM + CTC):
CNN (17.1M)Conv64 → MaxPool → 5×ResidualBlock+SqueezeExcite (128→256→512→512→512)
BiLSTM (3.15M)2 qavat, hidden 256, ikki yo'nalishli
DecoderCTC + Greedy + Beam Search (width=10)
Count-headRaqamlar sonini alohida bashoratlaydi (8 sinf)
📈 Aniqlik (30,000 qadam o'qitilgan):
Toza rasmlar97.6% to'g'ri topadi
Shovqinli rasmlar93.5% to'g'ri topadi
Xato darajasi (CER)0.55% / 1.95%
Raqam sonini bilish100% / 99.8%
✅ Nimalar qila oladi:
• 1 dan 8 gacha bo'lgan raqamlar ketma-ketligini o'qiydi
• Shovqin, blur, aylanish (±12°) ga chidamli
• Takrorlanuvchi raqamlar: 5555, 90909090
• Har xil shrift va o'lchamdagi raqamlar
• Qo'l bilan chizilgan raqamlar (doska orqali)
• Nechta raqam ekanini mustaqil biladi (count-head)
⚠️ Cheklovlar:
• Faqat raqamlar (0-9), harflarni o'qimaydi
• Maksimum 8 ta raqam bir rasmda
• Yolg'iz/juda qisqa raqamlarda ba'zan xato qiladi
• MNIST uslubidagi raqamlarga eng yaxshi ishlaydi
🎓 O'qitish:
Ma'lumotMNIST gliflaridan sintetik ko'p-raqamli rasmlar
AugmentatsiyaShovqin, blur, rotate, shear, elastic, fon gradientlari
MetodCTC Loss + Curriculum Learning + EMA
OptimizatsiyaAdamW + Warmup + Cosine Decay (bf16)