Дообученная на счетах модель Donut извлекает текстовые данные из изображений корпоративных документов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
ITNovaML/invoices-donut-model-v1 — модель извлечения данных из изображений счетов, разработанная ITNovaML на основе Donut и дообученная на наборе ITNovaML/invoices-donut-data-v1. Она предназначена для проверки извлечения информации из корпоративных документов; в README указана средняя точность 0,96 на тестовом наборе.
Модель принимает изображение документа и выдаёт текстовое представление извлечённых данных. В метаданных указаны архитектура vision-encoder-decoder, формат PyTorch и поддержка английского языка. Лицензия — MIT. Результат на тестовом наборе не гарантирует такую же точность на других шаблонах счетов и документах.
В README приведена средняя точность 0,96 на тестовом наборе, но условия оценки и метрика не уточнены. Обучение выполнялось на счетах, поэтому качество на других типах документов или новых шаблонах не установлено.
README от автора на Hugging Face, как он его опубликовал
This model is finetuned Donut ML base model on invoices data. Model aims to verify how well Donut performs on enterprise docs.
Mean accuracy on test set: 0.96
Inference:
Training loss:
Sample invoice docs to use for inference (docs up to 500 were used for fine-tuning, use docs from 500 for inference)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Доступ к модели ограничен автором; у платформы нет доступа к весам.