/ Модель
Каталог

Характеристики

Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
donut-base
Опубликована
4 апр 2024

Ссылки

Hugging Face

donut-base-sroie-bayesian-optimization

davelotito
Изображение и текст → текст5 профессий

Дообученная Donut для извлечения текста и сведений из изображений чеков SROIE.

169скачиваний за 30 дней0лайковвеса обновлены29 апр 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

davelotito/donut-base-sroie-bayesian-optimization — дообученная модель Donut от разработчика davelotito, построенная на naver-clova-ix/donut-base. Это vision-encoder-decoder для преобразования изображений документов в текст; название указывает на настройку для SROIE, набора данных по извлечению информации из чеков. В метаданных указан тип задачи image-text-to-text и поддержка обработки изображений. Модель может применяться для извлечения текста и структурированных сведений из изображений чеков. Указана лицензия MIT.

В карточке приведены метрики оценки: loss 0.1396, BLEU 0.0196, CER 0.8584 и WER 1.0. Эти результаты указывают на существенные ошибки распознавания на приведённой оценке; сведений о наборе данных и протоколе оценки недостаточно, чтобы переносить метрики на другие сценарии.

Сценарии применения

  • извлечение текста с изображений чеков
  • разбор полей чека для последующей обработки
  • автоматизация ввода данных из чеков

Ограничения

В карточке указаны низкие значения BLEU (0.0196), CER (0.8584) и WER (1.0) на оценочной выборке. Данные о выборке и условиях оценки не приведены, поэтому применимость метрик ограничена.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиIV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

donut-base-sroie-bayesian-optimization

This model is a fine-tuned version of naver-clova-ix/donut-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1396
  • Bleu: 0.0196
  • Precisions: [0.9883177570093458, 0.9724655819774718, 0.954177897574124, 0.9328467153284672]
  • Brevity Penalty: 0.0203
  • Length Ratio: 0.2043
  • Translation Length: 856
  • Reference Length: 4190
  • Cer: 0.8584
  • Wer: 1.0

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: 1.2010406976282324e-05
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 2
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossBleuPrecisionsBrevity PenaltyLength RatioTranslation LengthReference LengthCerWer
0.0211.02530.16560.0194[0.9848130841121495, 0.9649561952440551, 0.9420485175202157, 0.9153284671532846]0.02030.204385641900.85961.0
0.03532.05060.15010.0195[0.9813736903376019, 0.9588528678304239, 0.9328859060402684, 0.9026162790697675]0.02070.205085941900.85951.0
0.04173.07590.14230.0195[0.9871495327102804, 0.9699624530663329, 0.9501347708894878, 0.927007299270073]0.02030.204385641900.85861.0
0.03084.010120.14030.0193[0.9859649122807017, 0.9674185463659147, 0.9460188933873145, 0.9210526315789473]0.02020.204185541900.85931.0
0.04645.012650.13960.0196[0.9883177570093458, 0.9724655819774718, 0.954177897574124, 0.9328467153284672]0.02030.204385641900.85841.0

Framework versions

  • Transformers 4.41.0.dev0
  • Pytorch 2.1.0
  • Datasets 2.19.0
  • Tokenizers 0.19.1

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
6c646d8

0 моделей

    Создать бенчмарк