# PP-OCRv6_small_det

## Genel Bakış

PP-OCRv6_small_det, PaddleOCR ekibi tarafından geliştirilen PP-OCRv6 algılama serisindeki küçük modeldir. Omurga olarak LCNetV4, özellik piramidi boynu olarak RepLKFPN kullanır; el yazısı, basılı, döndürülmüş, eğri ve sanatsal metinler dahil olmak üzere çok dilli çeşitli senaryolarda doğru metin konumlandırması sağlar. Model 2,48M parametre içerir.

## Model Mimarisi

## Kullanım

### Tek girişli çıkarım

Aşağıdaki örnek, [AutoModel](/docs/transformers/v5.23.0/tr/model_doc/auto#transformers.AutoModel) kullanarak PP-OCRv6_small_det ile metin algılamanın nasıl yapılacağını göstermektedir.

```python
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)
```

### Toplu çıkarım

PP-OCRv6_small_det kullanarak bunu [AutoModel](/docs/transformers/v5.23.0/tr/model_doc/auto#transformers.AutoModel) ile nasıl yapabileceğiniz aşağıda gösterilmektedir:

```python
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[[transformers.PPOCRV6SmallDetForObjectDetection]]

#### transformers.PPOCRV6SmallDetForObjectDetection[[transformers.PPOCRV6SmallDetForObjectDetection]]

```python
transformers.PPOCRV6SmallDetForObjectDetection(config: PPOCRV6SmallDetConfig)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/pp_ocrv6_small_det/modeling_pp_ocrv6_small_det.py#L314)

**Parametreler:**

config ([PPOCRV6SmallDetConfig](/docs/transformers/v5.23.0/tr/model_doc/pp_ocrv6_small_det#transformers.PPOCRV6SmallDetConfig)) : Modelin tüm parametrelerini içeren model yapılandırma sınıfı. Bir yapılandırma dosyasıyla başlatmak, modelle ilişkili ağırlıkları yüklemez, yalnızca yapılandırmayı yükler. Model ağırlıklarını yüklemek için [from_pretrained()](/docs/transformers/v5.23.0/tr/main_classes/model#transformers.PreTrainedModel.from_pretrained) yöntemine bakın.

Metin tanıma görevleri için PPOCR6SmallRec modeli.

Bu model [PreTrainedModel](/docs/transformers/v5.23.0/tr/main_classes/model#transformers.PreTrainedModel) sınıfından devralır. Kütüphanenin tüm modelleri için uyguladığı genel yöntemler (indirme veya kaydetme, giriş gömme boyutlarını yeniden ayarlama, başları budama vb.) için üst sınıf belgelendirmesine bakın.

Bu model aynı zamanda bir PyTorch [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) alt sınıfıdır. Bunu standart bir PyTorch Module olarak kullanın ve genel kullanım ve davranışla ilgili tüm konular için PyTorch dokümantasyonuna başvurun.

## PPOCRV6SmallDetConfig[[transformers.PPOCRV6SmallDetConfig]]

#### transformers.PPOCRV6SmallDetConfig[[transformers.PPOCRV6SmallDetConfig]]

```python
transformers.PPOCRV6SmallDetConfig(transformers_version: str | None = None, architectures: list[str] | None = None, output_hidden_states: bool | None = False, return_dict: bool | None = True, dtype: str | torch.dtype | None = None, chunk_size_feed_forward: int = 0, is_encoder_decoder: bool = False, id2label: dict[int, str] | dict[str, str] | None = None, label2id: dict[str, int] | dict[str, str] | None = None, problem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = None, backbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = None, reduction: int = 4, neck_out_channels: int = 96, interpolate_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)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/pp_ocrv6_small_det/configuration_pp_ocrv6_small_det.py#L31)

**Parametreler:**

backbone_config (`Union[dict, ~configuration_utils.PreTrainedConfig]`, *isteğe bağlı*) : Omurga modelinin yapılandırması.

reduction (`int`, *opsiyonel*, varsayılan 4) : Özellik kanal boyutları için indirgeme çarpanı; özellik temsil edilebilirliğini korurken model parametre sayısını ve hesaplama karmaşıklığını azaltmak için kullanılır.

neck_out_channels (`int`, *isteğe bağlı*, varsayılan 96) : Özellikleri baş ağına iletmeden önce özellik füzyonu ve iyileştirmesinden sorumlu olan boyun ağından gelen çıktı kanalı sayısı.

interpolate_mode (`str`, *isteğe bağlı*, varsayılan `"nearest"`) : Boyun ağındaki özellik haritalarının büyütülmesi veya küçültülmesinde kullanılan interpolasyon modu. Desteklenen modlar arasında `"nearest"` (en yakın komşu interpolasyonu) ve `"bilinear"` yer alır.

kernel_list (`List[int]`, *opsiyonel*, varsayılan `[3, 2, 2]`) : Baş ağında bulunan konvolüsyon katmanları için çekirdek boyutlarının listesi; farklı boyutlardaki metin bölgelerini tespit etmek için çok ölçekli özellik çıkarımında kullanılır.

layer_list_out_channels (`List[int]`, *opsiyonel*, varsayılan `[12, 18, 42, 360]`) : Çok ölçekli özellik füzyonu için boyun ağındaki RSE katmanlarının giriş kanallarını yapılandırmak kullanılan, her omurga aşaması için çıktı kanalları listesi.

dilated_kernel_size (`int`, *opsiyonel*, varsayılan 7) : Girdi konvolüsyon yolundaki seyreltilmiş konvolüsyon katmanının çekirdek boyutu, özellik haritalarındaki uzun menzilli bağımlılıkları yakalamak için kullanılır.

Bu, bir PPOCRV6SmallDetModel yapılandırmasını depolamak için kullanılan yapılandırma sınıfıdır. Belirtilen argümanlara göre bir Pp Ocrv6 Small Det modelini örneklemek ve model mimarisini tanımlamak için kullanılır. Varsayılanlarla bir yapılandırma örneklendiğinde, [PaddlePaddle/PP-OCRv6_small_det_safetensors](https://huggingface.co/PaddlePaddle/PP-OCRv6_small_det_safetensors) ile benzer bir yapılandırma elde edilir.

Yapılandırma nesneleri [PreTrainedConfig](/docs/transformers/v5.23.0/tr/main_classes/configuration#transformers.PreTrainedConfig) sınıfından türetilir ve model çıktılarını kontrol etmek için kullanılabilir. Daha fazla bilgi için [PreTrainedConfig](/docs/transformers/v5.23.0/tr/main_classes/configuration#transformers.PreTrainedConfig) belgesini okuyun.

## PPOCRV6SmallDetModel[[transformers.PPOCRV6SmallDetModel]]

#### transformers.PPOCRV6SmallDetModel[[transformers.PPOCRV6SmallDetModel]]

```python
transformers.PPOCRV6SmallDetModel(config: PPOCRV6SmallDetConfig)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/pp_ocrv6_small_det/modeling_pp_ocrv6_small_det.py#L289)

**Parametreler:**

config ([PPOCRV6SmallDetConfig](/docs/transformers/v5.23.0/tr/model_doc/pp_ocrv6_small_det#transformers.PPOCRV6SmallDetConfig)) : Modelin tüm parametrelerini içeren model yapılandırma sınıfı. Bir yapılandırma dosyasıyla başlatmak, modelle ilişkili ağırlıkları yüklemez, yalnızca yapılandırmayı yükler. Model ağırlıklarını yüklemek için [from_pretrained()](/docs/transformers/v5.23.0/tr/main_classes/model#transformers.PreTrainedModel.from_pretrained) yöntemine bakın.

Üzerinde herhangi bir özel head bulunmayan, ham hidden-states çıktısı üreten çıplak Pp Ocrv6 Small Det Model.

Bu model [PreTrainedModel](/docs/transformers/v5.23.0/tr/main_classes/model#transformers.PreTrainedModel) sınıfından devralır. Kütüphanenin tüm modelleri için uyguladığı genel yöntemler (indirme veya kaydetme, giriş gömme boyutlarını yeniden ayarlama, başları budama vb.) için üst sınıf belgelendirmesine bakın.

Bu model aynı zamanda bir PyTorch [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) alt sınıfıdır. Bunu standart bir PyTorch Module olarak kullanın ve genel kullanım ve davranışla ilgili tüm konular için PyTorch dokümantasyonuna başvurun.

#### forward[[transformers.PPOCRV6SmallDetModel.forward]]

```python
forward(pixel_values: Tensor, **kwargs: *<class 'transformers.utils.generic.TransformersKwargs'>)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/pp_ocrv6_small_det/modeling_pp_ocrv6_small_det.py#L296)

**Parametreler:**

pixel_values (`torch.Tensor`, şekli `(batch_size, num_channels, image_size, image_size)`) : Girdi görüntülerine karşılık gelen tensörler. Piksel değerleri [PPOCRV5ServerDetImageProcessor](/docs/transformers/v5.23.0/tr/model_doc/pp_ocrv5_server_det#transformers.PPOCRV5ServerDetImageProcessor) kullanılarak elde edilebilir. Ayrıntılar için [PPOCRV5ServerDetImageProcessor.__call__()](/docs/transformers/v5.23.0/tr/model_doc/molmo2#transformers.Molmo2ImageProcessor.__call__) bölümüne bakın (`processor_class`, görüntüleri işlemek için [PPOCRV5ServerDetImageProcessor](/docs/transformers/v5.23.0/tr/model_doc/pp_ocrv5_server_det#transformers.PPOCRV5ServerDetImageProcessor) kullanır).

**Dönüş:** `BaseModelOutputWithNoAttention` veya `tuple(torch.Tensor)`

A `BaseModelOutputWithNoAttention` veya bir `torch.Tensor` tuple'ı (`return_dict=False` geçirildiğinde veya `config.return_dict=False` olduğunda), yapılandırmaya ([PPOCRV6SmallDetConfig](/docs/transformers/v5.23.0/tr/model_doc/pp_ocrv6_small_det#transformers.PPOCRV6SmallDetConfig)) ve girdilere bağlı olarak çeşitli öğelerden oluşur.

[PPOCRV6SmallDetModel](/docs/transformers/v5.23.0/tr/model_doc/pp_ocrv6_small_det#transformers.PPOCRV6SmallDetModel) forward metodu, `__call__` özel metodunu geçersiz kılar.

İleri geçiş tarifi bu fonksiyon içinde tanımlanmalı olsa da, sonrasında bunun yerine `Module` örneğini çağırmak gerekir; çünkü ilki ön ve son işleme adımlarını çalıştırmaktan sorumluyken ikincisi bunları sessizce yok sayar.

- **last_hidden_state** (`torch.Tensor`, şekli `(batch_size, num_channels, height, width)`) -- Modelin son katmanının çıktısındaki gizli durumlar dizisi.
- **hidden_states** (`tuple(torch.Tensor)`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- `torch.Tensor` (gömme katmanı varsa gömme katmanının çıktısı için bir tane + her katmanın çıktısı için bir tane) içeren ve `(batch_size, num_channels, height, width)` biçiminde bir demet.

  Her katmanın çıktısında modelin gizli durumları ve isteğe bağlı başlangıç gömme çıktıları.

