/ Модель
Каталог

Характеристики

Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
donut-base
Опубликована
12 июн 2024

Ссылки

Hugging Face

model-ocr-invoice-rich

emisilab
Изображение и текст → текст4 профессии

Дообученная на Donut-модель преобразует изображения счетов-фактур в текст и предназначена для OCR документов.

9скачиваний за 30 дней0лайковвеса обновлены12 июн 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

emisilab/model-ocr-invoice-rich — модель для преобразования изображений документов в текст, дообученная на базе naver-clova-ix/donut-base. Она использует архитектуру vision-encoder-decoder и предназначена для задач обработки изображений, связанных с документами; по названию репозитория — для OCR и разбора счетов-фактур. Модель принимает изображение и выдаёт текст. В карточке указаны формат safetensors и лицензия MIT.

README не содержит сведений о качестве, обучающих данных или ограничениях, поэтому пригодность для конкретных видов счетов следует проверять на собственных примерах.

Сценарии применения

  • извлечение текста со сканов счетов-фактур
  • распознавание полей в изображениях счетов
  • преобразование фотографий счетов в текст для последующей обработки

Ограничения

README не описывает качество, набор обучающих данных и ограничения модели; проверьте точность на нужных типах счетов и сканов.

Для каких профессий подходит4

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

model-ocr-invoice-rich

This model is a fine-tuned version of naver-clova-ix/donut-base on the imagefolder dataset.

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: 8
  • seed: 42
  • 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

Framework versions

  • Transformers 4.39.1
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.0
  • 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
6af435e

0 моделей

    Создать бенчмарк