/ Модель

Характеристики

Архитектура
rt_detr · dense
Базовая модель
docling-models
Опубликована
13 мар 2025

docling-layout

Поиск объектовИзображение → bounding_boxes8 профессий

Модель RT-DETR из проекта Docling обнаруживает элементы макета на страницах документов.

1 773скачиваний за 30 дней6лайковвеса обновлены21 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Docling Model for Layout — модель обнаружения объектов на основе RT-DETR для определения структуры и элементов макета документов. Она входит в проект Docling и предназначена для анализа расположения элементов на страницах документов; модель распространяется в формате Safetensors и загружается через Transformers. В карточке указана внутренняя выборка для распознавания структуры документов. Лицензия — Apache 2.0.

Сценарии применения

  • обнаружение элементов структуры на страницах документов
  • анализ макета документов перед извлечением содержимого
  • поиск расположения блоков документа для последующей обработки

Ограничения

Карточка не приводит метрик качества или подробностей о наборе данных, кроме того, что он внутренний. Модель предназначена для обнаружения макета документа; другие возможности не заявлены.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Docling Model for Layout

This is the Docling model for layout detection, designed to facilitate easy importing and usage like any other Hugging Face model.

This model is part of the Docling repository, which provides document layout analysis tools.

Usage Example

Here's how you can load and use the model:

import torch
from PIL import Image
from transformers import RTDetrForObjectDetection, RTDetrImageProcessor

# Load the model and processor
image_processor = RTDetrImageProcessor.from_pretrained("HuggingPanda/docling-layout")
model = RTDetrForObjectDetection.from_pretrained("HuggingPanda/docling-layout")

# Load an image
image = Image.open("hocr_output_page-0001.jpg")

# Preprocess the image
resize = {"height":640, "width":640}
inputs = image_processor(
    images=image,
    return_tensors="pt",
    size=resize,
)

# Perform inference
with torch.no_grad():
    outputs = model(**inputs)

# Post-process results
results = image_processor.post_process_object_detection(
    outputs, 
    target_sizes=torch.tensor([image.size[::-1]]), 
    threshold=0.3
)

# Print detected objects
for result in results:
    for score, label_id, box in zip(result["scores"], result["labels"], result["boxes"]):
        score, label = score.item(), label_id.item()
        box = [round(i, 2) for i in box.tolist()]
        print(f"{model.config.id2label[label+1]}: {score:.2f} {box}")

Model Information

  • Base Model: RT-DETR (Robust Transformer-based Object Detector)
  • Intended Use: Layout detection for documents
  • Framework: Hugging Face Transformers
  • Dataset Used: Internal dataset for document structure recognition
  • License: Apache 2.0

Citing This Model

If you use this model in your work, please cite the main Docling repository:

@misc{docling2024, title={Docling Models for Document Layout Analysis}, author={DS4SD Team}, year={2024}, howpublished={Hugging Face Repository}, url={https://huggingface.co/ds4sd/docling-models} }

For more details, visit the main repo: ds4sd/docling-models.

Contact

For questions or issues, please open a discussion on Hugging Face or contact [pandahd75@gmail.com].

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
RTDetrForObjectDetection
Ревизия весов
7cfbdd3

0 моделей