Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: CC BY-NC-SA 4.0
Архитектура: layoutlmv3 · dense
Опубликована: 24 мар 2023

Ссылки

layoutlmv3-finetuned-DocLayNet

Разметка токеновТекст → label7 профессий

Модель LayoutLMv3, дообученная на DocLayNet-small для классификации токенов и анализа макета документов на английском языке.

44скачиваний за 30 дней1лайквеса обновлены20 ноя 2023

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

Mit1208/layoutlmv3-finetuned-DocLayNet — модель Mit1208, дообученная на базе microsoft/layoutlmv3-base для разметки структуры документов по DocLayNet-small. Она использует архитектуру LayoutLMv3 и содержит 151,8 млн параметров. Модель предназначена для классификации токенов при анализе макета документа: она обрабатывает текст вместе с визуальной и пространственной информацией страницы, чтобы определять типы элементов разметки. В карточке приведены результаты оценки: F1 0,6667, точность 0,8720, precision 0,6179 и recall 0,7238.

Модель подходит для извлечения структуры из документов на английском языке, например для распознавания заголовков, таблиц и других областей макета. Указанная лицензия CC BY-NC-SA 4.0 требует атрибуции, запрещает коммерческое использование и распространяет производные материалы на тех же условиях. Карточка не описывает ограничения подробнее; результаты оценки показывают, что качество классификации зависит от выбранной метрики.

Сценарии применения

классификация элементов макета страницы документа
извлечение структуры из англоязычных документов
распознавание заголовков и других областей документа
подготовка документов к структурированному извлечению данных

Ограничения

На оценочном наборе указаны F1 0,6667, precision 0,6179 и recall 0,7238, поэтому классификация может пропускать элементы или относить их к неверным классам. Лицензия CC BY-NC-SA 4.0 не допускает коммерческого использования.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

layoutlmv3-finetuned-DocLayNet

This model is a fine-tuned version of microsoft/layoutlmv3-base on the doc_lay_net-small dataset. It achieves the following results on the evaluation set:

Loss: 0.5644
Precision: 0.6179
Recall: 0.7238
F1: 0.6667
Accuracy: 0.8720

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 1e-05
train_batch_size: 2
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
training_steps: 1000

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
1.3383	0.58	200	0.8358	0.3007	0.4381	0.3566	0.7724
0.8308	1.16	400	0.6735	0.4634	0.5429	0.5	0.8084
0.518	1.74	600	0.5706	0.5373	0.6857	0.6025	0.8399
0.3856	2.33	800	0.6303	0.6032	0.7238	0.6580	0.8648
0.2558	2.91	1000	0.5644	0.6179	0.7238	0.6667	0.8720

Framework versions

Transformers 4.27.3
Pytorch 1.13.1+cu116
Datasets 2.10.1
Tokenizers 0.13.2

How to Train & Inference:

Check this out this repo: https://github.com/mit1280/Document-AI

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: LayoutLMv3ForTokenClassification
Ревизия весов: bac2e32