metom-onnx

ブラウザ (onnxruntime-web) でくずし字の単字認識を行うための SakanaAI/Metom の ONNX 変換版。 古文書向けの fine-tune 版は nakamura196/metom-komonjo-onnx を参照。

ファイル

• metom.onnx — ViT 単字分類器 (fp32 / 量子化なし)
• metom-labels.json — クラス id → 文字 の配列 (length = 2703)

入出力 / 前処理

input	pixel_values [batch, 3, 128, 128] float32
output	logits [batch, 2703] (softmax で確率、argmax で文字 id)
前処理	文字 crop を 128×128 へ resize → /255 → CLIP 正規化 → NCHW
正規化	mean = [0.48145466, 0.4578275, 0.40821073] / std = [0.26862954, 0.26130258, 0.27577711]

クラス数 2703 は原典モデルの config.labels に由来する。

精度（原典 SakanaAI/Metom の公表値）

下記は原典モデルの公表値。本 ONNX は原典を fp32 のまま変換し、HF の example 画像で PyTorch と argmax 一致を検証済み（量子化なし）のため、原典と同等の挙動とみなせる。 ただし本リポジトリでの独立した再測定値ではない点に注意。

指標	値
micro accuracy（全体）	0.9722
macro accuracy（クラス平均）	0.8354
評価データ	日本古典籍くずし字データセット (CODH)、テスト 216,645 字
学習データ	同データセット 649,932 字（train:val:test = 3:1:1）
アーキテクチャ	Vision Transformer (ViT) ベース

出典: https://huggingface.co/SakanaAI/Metom

制約

• 単字 crop 前提（行・文脈は扱わない）。濁点・連綿・レイアウトは考慮しない。
• macro 0.8354 が示すとおり、低頻度字種の精度は相対的に低い。
• 分布外（近代活字・漢籍整版・劣化資料）では精度が落ちる。

License / Credit

Apache-2.0。原典: SakanaAI/Metom（https://huggingface.co/SakanaAI/Metom）。 本リポジトリは onnxruntime-web 用の ONNX 変換ミラー。