/ Модель

Характеристики

Лицензия
CC BY 4.0
Библиотека
pytorch
Опубликована
11 сен 2026

mobilenetv3-seg-doc

Сегментация изображенийИзображение → mask4 профессии

Сегментатор на базе MobileNetV3-Large и U-Net находит контур документа на фотографии страницы и выдаёт пиксельную маску.

17скачиваний за 30 дней0лайковвеса обновлены11 сен 2026

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

ejahdil разработал сегментатор границ документов на основе MobileNetV3-Large с энкодером, предварительно обученным на ImageNet, и декодером U-Net. Модель принимает фотографию страницы, масштабирует её с сохранением пропорций до входа 384×384 и выдаёт маску с оценкой для каждого пикселя; по маске можно восстановить четырёхугольник границ документа.

Модель предназначена для обнаружения страницы на фотографии, в том числе на фоне, близком по тону к бумаге. Она обучена на SmartDoc 2015 Challenge 1 с синтетическим повторным размещением страниц на различных фонах. В README указаны медианный Quad IoU 0,991 и 98,5% кадров с IoU не ниже 0,95 на отложенных документах.

Это специализированная модель компьютерного зрения без текстового ввода и вывода. Оценка дана на ограниченном наборе SmartDoc; качество на иных типах документов и условиях съёмки отдельно не описано. Лицензия — CC BY 4.0.

Сценарии применения

  • выделение страницы документа на фотографии
  • поиск четырёхугольной границы листа для последующей коррекции перспективы
  • обнаружение документа на фоне, близком по цвету к бумаге

Ограничения

Оценка проведена на отложенных документах набора SmartDoc 2015; качество на других источниках изображений отдельно не подтверждено. Модель выдаёт маску, а не готовый четырёхугольник — границу требуется восстановить из маски.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mobilenetv3-seg-doc

Document-boundary segmenter: given a photo of a page, predicts the region the document occupies. Trained on SmartDoc 2015 Challenge 1 with synthetic background recompositing.

Architecture

  • MobileNetV3-Large encoder (ImageNet-pretrained) + U-Net decoder
  • Input 384x384, letterboxed; output one logit per pixel
  • Loss: BCE + 0.5 x soft Dice
  • Checkpoint from epoch 6

Evaluation

Measured on held-out documents, not held-out frames: SmartDoc is video, and consecutive frames of one capture are near-duplicates, so a frame-level split would report a number that means nothing.

  • Quad IoU (median): 0.991
  • Frames scored correct (IoU >= 0.95): 98.5%
  • Error quadrants: {'positive': 197, 'ignore': 3}

The model emits a mask; the boundary the pipeline consumes is the 4-point quadrilateral fitted to it. Evaluate on the quad, not on pixel IoU — a mask no quad can be fitted to is a failure at the level that matters.

Training data

  • Records: data/segmenter/records
  • 19834 training frames across 24 documents
  • Backgrounds: {'paper_match': 5051, 'light_desk': 3183, 'wood_desk': 2376, 'denim': 2367, 'background01': 1521, 'background02': 1440, 'background03': 1435, 'background04': 1016, 'tile_floor': 812, 'background05': 633}

Backgrounds beyond SmartDoc's own five are synthetic recompositions — the page is warped out of its frame and placed on a generated surface. The largest share is deliberately matched to each page's own paper tone, which is the case a global brightness threshold cannot solve and the reason to train a model at all.

No production or beneficiary imagery was used. Provenance is recorded in the checkpoint and checked before upload.

Usage

from huggingface_hub import hf_hub_download
from imgquality.smartdoc_pipeline.segmenter import load_segmenter, predict_mask
from imgquality.verifier_model import pick_device
import cv2

path = hf_hub_download("ejahdil/mobilenetv3-seg-doc", "segmenter.pt")
device = pick_device()
model = load_segmenter(path, device)

mask = predict_mask(model, cv2.imread("page.jpg"), device)   # uint8, 0/255

For the fitted quadrilateral rather than the raw mask, pass the mask to imgquality.metrics.detect_document_region.

Licence and attribution

Released CC BY 4.0, matching the dataset it was trained on. SmartDoc 2015 Challenge 1 requires attribution:

Jean-Christophe Burie, Joseph Chazalon, Mickael Coustaty, Sebastien Eskenazi, Muhammad Muzzamil Luqman, Maroua Mehri, Nibal Nayef, Jean-Marc Ogier, Sophea Prum and Marcal Rusinol. "ICDAR2015 Competition on Smartphone Document Capture and OCR (SmartDoc)". 13th International Conference on Document Analysis and Recognition (ICDAR), 2015.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-segmentation

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
adfb294

0 моделей