TrOCR（Transformer-based Optical Character Recognition）是微软提出的一种端到端基于 Transformer 架构的光学字符识别（OCR）模型，由预训练的图像 Transformer 编码器（如 DeiT）和文本 Transformer 解码器（如 RoBERTa 或 UniLM）组成，用于文本识别任务 。其架构将图像调整为 384×384 分辨率，分割成 16×16 的 patches 后输入图像 Transformer，解码器则生成词片级文本序列，无需 CNN 或 RNN，也无需外部语言模型 。

TrOCR 的优势包括：

• 端到端流程：结合文本检测和识别，无需复杂前后处理 。
• 多语言支持：预训练模型支持英语、法语、德语等，可针对其他语言微调 。
• 鲁棒性：对字体、方向、背景噪声变化具有鲁棒性，适用于手写体、印刷体甚至弯曲文本（通过微调） 。

使用示例（基于 Hugging Face）：

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image

processor = TrOCRProcessor.from_pretrained("microsoft/trocr-base-handwritten")
model = VisionEncoderDecoderModel.from_pretrained("microsoft/trocr-base-handwritten")
image = Image.open("handwritten_note.jpg").convert("RGB")
pixel_values = processor(image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(f"提取文本：{text}")