/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
detr · dense
Базовая модель
detr-resnet-50
Библиотека
transformers
Опубликована
7 авг 2026

control-r1

Поиск объектовИзображение → bounding_boxes4 профессии

Дообученная DETR ResNet-50 обнаруживает фотографии, заголовки, рекламу и другие области на сканах исторических газет.

13скачиваний за 30 дней0лайковвеса обновлены7 авг 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

Control-R1 — модель обнаружения объектов на базе DETR с архитектурой ResNet-50, дообученная для анализа макета сканированных исторических газетных страниц. Она находит семь типов областей: фотографии, иллюстрации, карты, комиксы и карикатуры, редакционные карикатуры, заголовки и рекламу; результатом служат классы и ограничивающие рамки.

Модель обучена на наборе biglam/loc_beyond_words и предназначена для анализа газетных страниц, близких к обучающим данным. На валидационной выборке из 712 изображений общий mAP составил 0,1658; показатели заметно различаются между классами, а для иллюстраций, карт и редакционных карикатур AP равен нулю. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

  • поиск заголовков на сканах старых газет
  • обнаружение фотографий и иллюстраций на газетных страницах
  • локализация рекламных блоков в исторической периодике
  • разметка газетных страниц для оцифровки и архивирования

Ограничения

Качество проверено на валидационной выборке loc_beyond_words и может снижаться на страницах с форматами и оформлением, отличающимися от обучающих данных. Общий mAP невысок, а для иллюстраций, карт и редакционных карикатур AP на валидации равен нулю.

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

Control-R1: Doc-layout object detection (fine-tuned DETR)

This model is a fine-tuned DETR (ResNet-50) object-detection model for document / newspaper page-layout analysis. It detects 7 region types in scanned historical newspaper pages and was trained on the biglam/loc_beyond_words dataset.

Base model & license

  • Base model: facebook/detr-resnet-50
  • License: Apache-2.0 (open license — free to share, modify and use commercially)
  • The fine-tuned weights in this repository inherit the Apache-2.0 license.

Classes (7)

Photograph, Illustration, Map, Comics/Cartoon, Editorial Cartoon, Headline, Advertisement

Training data

  • Dataset: biglam/loc_beyond_words
  • Train: 2846 images
  • Validation: 712 images
  • COCO-style annotations (xywh bounding boxes).

Training details

  • Model: facebook/detr-resnet-50, all parameters fine-tuned (backbone unfrozen)
  • Epochs: 4
  • Batch size: 4 (gradient accumulation = 2)
  • Optimizer: AdamW (lr = 0.0001, weight decay on non-bias/LN params)
  • LR schedule: linear warmup + cosine decay
  • Image preprocessing: resize to shortest edge = 800px, longest = 1333px (aspect preserved), ImageNet normalization
  • Mixed precision: bf16/fp16 autocast (GPU)
  • Hardware: Hugging Face Jobs GPU

Validation results (COCO eval on the 712-image validation split)

MetricValue
mAP (IoU 0.50:0.95)0.1658
AP @ IoU 0.500.2761
AP @ IoU 0.750.1802
AR (max 100 dets)0.2908

Per-class AP (IoU 0.50:0.95):

  • Photograph: 0.3484
  • Illustration: 0.0000
  • Map: 0.0000
  • Comics/Cartoon: 0.0385
  • Editorial Cartoon: 0.0000
  • Headline: 0.4418
  • Advertisement: 0.3321

Quick usage

from transformers import AutoModelForObjectDetection, AutoImageProcessor
from PIL import Image

model = AutoModelForObjectDetection.from_pretrained("harness-race/control-r1")
processor = AutoImageProcessor.from_pretrained("harness-race/control-r1")

image = Image.open("page.png").convert("RGB")
inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
results = processor.post_process_object_detection(outputs, target_sizes=[(image.height, image.width)], threshold=0.4)
for r in results[0]:
    print(model.config.id2label[int(r['labels'])], round(r['scores'].item(),3) if hasattr(r['scores'],'item') else r['scores'], [round(c,1) for c in r['boxes'].tolist()])

Intended use & limitations

Trained for research on historical newspaper layout analysis. Best on page layouts similar to the loc_beyond_words training distribution; large format/styled pages not seen in training may be missed. Evaluation was done on the dataset's official 712-image validation split; run at 2026-08-07 (UTC) on HF Jobs.


Control-R1 — a layout-model entry. Trained on Hugging Face Jobs (< $5 budget).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
DetrForObjectDetection
Ревизия весов
297042f

0 моделей