/ Модель

Характеристики

Лицензия
MIT
Архитектура
efficientnet · dense
Базовая модель
efficientnet-b0
Опубликована
24 янв 2025

DocumentFigureClassifier

Классификация изображенийИзображение → label9 профессий

Дообученная EfficientNet-B0 определяет тип изображения в документе, например диаграмму, QR-код, подпись или печать.

9 327скачиваний за 30 дней19лайковвеса обновлены24 янв 2025

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

DocumentFigureClassifier — модель классификации изображений из проекта Docling, дообученная на базе Google EfficientNet-B0. Она относит изображение к одной из 16 категорий: типы диаграмм и графиков, штрихкод, QR-код, химические структуры, блок-схема, значок, логотип, карта, снимок дистанционного зондирования, скриншот, подпись, печать или прочее.

Модель предназначена для распознавания визуальных элементов в документах и может использоваться как этап предварительной обработки при разборе документов, чтобы определить тип изображения и направить его на дальнейшую обработку. Это компактная свёрточная архитектура для классификации изображений; модель принимает изображение и выдаёт метку класса. В репозитории указаны веса safetensors. Лицензия — MIT.

Сценарии применения

  • классификация диаграмм и графиков в документах
  • распознавание штрихкодов и QR-кодов на изображениях
  • определение химических структур в документе
  • поиск логотипов, значков, подписей и печатей
  • классификация карт, скриншотов и изображений дистанционного зондирования

Ограничения

Модель выдаёт один из 16 заданных классов и не распознаёт содержимое изображения как текст. В README не приведены метрики качества и подробности обучающего набора данных.

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

EfficientNet-B0 Document Image Classifier

This is an image classification model based on Google EfficientNet-B0, fine-tuned to classify input images into one of the following 16 categories:

  1. bar_chart
  2. bar_code
  3. chemistry_markush_structure
  4. chemistry_molecular_structure
  5. flow_chart
  6. icon
  7. line_chart
  8. logo
  9. map
  10. other
  11. pie_chart
  12. qr_code
  13. remote_sensing
  14. screenshot
  15. signature
  16. stamp

Citation

If you use this model in your work, please cite the following papers:

@article{Tan2019EfficientNetRM,
  title={EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks},
  author={Mingxing Tan and Quoc V. Le},
  journal={ArXiv},
  year={2019},
  volume={abs/1905.11946}
}

@techreport{Docling,
  author = {Deep Search Team},
  month = {8},
  title = {{Docling Technical Report}},
  url={https://arxiv.org/abs/2408.09869},
  eprint={2408.09869},
  doi = "10.48550/arXiv.2408.09869",
  version = {1.0.0},
  year = {2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
EfficientNetForImageClassification
Ревизия весов
e4e565c

0 моделей