/ Модель
Каталог

Характеристики

Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
donut-base
Опубликована
18 мар 2024

Ссылки

Hugging Face

DDTdonut-TeresaNoFESTO

alexbeta80
Изображение и текст → текст7 профессий

Дообученная модель Donut для преобразования изображений документов в текст и извлечения из них сведений.

14скачиваний за 30 дней0лайковвеса обновлены18 мар 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

DDTdonut-TeresaNoFESTO — модель преобразования изображений в текст на базе архитектуры Donut vision-encoder-decoder. Она дообучена разработчиком репозитория на наборе данных imagefolder и предназначена для задач image-text-to-text, например извлечения текста и структурированных сведений из изображений документов. В README приведено значение loss 0,6469 на оценочном наборе, но не описаны состав данных, методика оценки или конкретный целевой формат вывода.

Модель основана на naver-clova-ix/donut-base и распространяется в формате safetensors по лицензии MIT. Карточка не уточняет поддерживаемые языки, размер модели, длину контекста или практические ограничения; применимость и качество для конкретных типов документов следует оценивать на собственных данных.

Сценарии применения

  • извлечение текста из изображений документов
  • разбор содержимого документов в текст
  • адаптация Donut к собственному набору изображений документов

Ограничения

В README не описаны целевой формат вывода, обучающие данные и методика оценки; приведён только loss 0,6469 на оценочном наборе. Поддерживаемые языки и качество на конкретных типах документов не установлены.

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 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DDTdonut-TeresaNoFESTO

This model is a fine-tuned version of naver-clova-ix/donut-base on the imagefolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6469

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: 2e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
3.28211.02551.0017
0.96282.05100.6993
0.67673.07650.6469

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
4f7319b

0 моделей

    Создать бенчмарк