/ Модель

Характеристики

Архитектура
yolov10 · dense
Библиотека
transformers.js
Опубликована
3 сен 2024

yolov10m-doclaynet_ONNX_document-layout-analysis

Поиск объектовИзображение → bounding_boxes9 профессий

YOLOv10m в формате ONNX обнаруживает и классифицирует элементы макета страниц документов.

202скачиваний за 30 дней7лайковвеса обновлены3 сен 2024

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

Oblix/yolov10m-doclaynet_ONNX_document-layout-analysis — модель обнаружения объектов на базе YOLOv10m, предоставленная в формате ONNX для использования через Transformers.js. Она предназначена для анализа макета документа: находит и размечает текстовые блоки, заголовки, списки, таблицы, изображения, формулы, подписи, сноски и элементы колонтитулов. Модель принимает изображение страницы и выдаёт рамки обнаруженных областей с классами из набора DocLayNet.

Карточка не сообщает размер модели или поддерживаемые языки. Репозиторий содержит ONNX-веса; сведения о лицензии в доступных данных отсутствуют.

Сценарии применения

  • поиск таблиц на страницах документов
  • обнаружение заголовков и текстовых областей в PDF-страницах
  • выделение изображений и формул в документах
  • разметка списков, подписей и сносок
  • определение верхних и нижних колонтитулов

Ограничения

Карточка не приводит оценок качества, ограничений по входным изображениям или сведений о лицензии; языковая поддержка не описана.

Для каких профессий подходит9

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

ONNX weights for https://huggingface.co/hantian/yolo-doclaynet yolo10m

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

npm i @huggingface/transformers

Example: Perform object-detection with Oblix/yolov10m-doclaynet_ONNX_document-layout-analysis.

const model = await AutoModel.from_pretrained(
    "Oblix/yolov10m-doclaynet_ONNX_document-layout-analysis",
    {
        dtype: "fp32"
    }
);
const processor = await AutoProcessor.from_pretrained(
    "Oblix/yolov10m-doclaynet_ONNX_document-layout-analysis"
);
const url =
    "https://huggingface.co/DILHTWD/documentlayoutsegmentation_YOLOv8_ondoclaynet/resolve/main/sample1.png";
const image = await RawImage.read(url);
const { pixel_values, reshaped_input_sizes } = await processor(image);

// Run object detection
const { output0 } = await model({ images: pixel_values });
const predictions = output0.tolist()[0];

const threshold = 0.35;
const [newHeight, newWidth] = reshaped_input_sizes[0]; // Reshaped height and width
const [xs, ys] = [image.width / newWidth, image.height / newHeight]; // x and y resize scales
for (const [xmin, ymin, xmax, ymax, score, id] of predictions) {
    if (score < threshold) continue;

    // Convert to original image coordinates
    const bbox = [xmin * xs, ymin * ys, xmax * xs, ymax * ys]
        .map((x) => x.toFixed(2))
        .join(", ");
    console.log(
        // eslint-disable-next-line @typescript-eslint/no-explicit-any
        `Found "${(model.config as any).id2label[id]}" at [${bbox}] with score ${score.toFixed(
            2
        )}.`
    );
}

Result

Found "Text" at [53.75, 478.56, 623.46, 562.13] with score 0.98.
Found "Text" at [54.20, 593.64, 609.42, 637.15] with score 0.98.
Found "Text" at [53.98, 715.41, 621.06, 759.33] with score 0.98.
Found "Text" at [53.98, 247.44, 610.82, 277.49] with score 0.97.
Found "Title" at [53.64, 75.40, 551.96, 159.72] with score 0.97.
Found "List-item" at [55.56, 761.62, 607.48, 792.06] with score 0.97.
Found "List-item" at [56.05, 657.97, 614.57, 701.79] with score 0.97.
Found "Text" at [54.10, 195.40, 221.43, 211.88] with score 0.96.
Found "Text" at [54.25, 169.14, 95.17, 186.22] with score 0.95.
Found "Text" at [54.15, 222.11, 98.62, 237.74] with score 0.95.
Found "Text" at [53.73, 429.63, 412.82, 446.28] with score 0.95.
Found "Page-header" at [308.98, 10.07, 605.53, 34.59] with score 0.95.
Found "Section-header" at [54.18, 338.87, 102.68, 355.16] with score 0.95.
Found "List-item" at [55.75, 793.91, 519.29, 810.43] with score 0.95.
Found "Section-header" at [54.20, 453.01, 145.02, 469.42] with score 0.94.
Found "Text" at [56.76, 309.85, 316.43, 325.71] with score 0.93.
Found "List-item" at [55.62, 812.37, 445.03, 829.42] with score 0.92.
Found "Page-footer" at [308.43, 907.93, 374.03, 922.28] with score 0.92.
Found "Section-header" at [53.70, 567.21, 75.24, 584.85] with score 0.91.
Found "Text" at [56.26, 289.47, 415.46, 306.48] with score 0.80.
Found "Text" at [54.11, 365.35, 623.46, 407.97] with score 0.79.
Found "List-item" at [55.77, 638.84, 382.47, 655.46] with score 0.60.

image/png

Labels

  • Caption [0]
  • Footnote [1]
  • Formula [2]
  • List-item [3]
  • Page-footer [4]
  • Page-header [5]
  • Picture [6]
  • Section-header [7]
  • Table [8]
  • Text [9]
  • Title [10]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js).

Ревизия весов
ded4980

0 моделей