/ Модель

Характеристики

Контекст
1 024 токена
Параметры
6,3 млн
Лицензия
Apache 2.0
Архитектура
detr · dense
Базовая модель
detr-resnet-50
Опубликована
7 авг 2026

pi-r2

Поиск объектовИзображение → bounding_boxes3 профессии

pi-r2 находит и размечает элементы макета на сканах исторических газет.

9скачиваний 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

pi-r2 — модель компьютерного зрения на архитектуре DETR с ResNet-50, дообученная на датасете biglam/loc_beyond_words для поиска элементов макета на сканах исторических газет. Она обнаруживает семь классов: фотографии, иллюстрации, карты, комиксы и карикатуры, редакционные карикатуры, заголовки и объявления, возвращая классы и ограничивающие рамки объектов. Модель предназначена для автоматического разбора газетных страниц и подготовки архивных материалов к поиску и анализу. На отложенной выборке из 712 изображений достигла AP@[IoU .50:.95] 0,423 и AP@IoU .50 0,566.

Обучение выполнено на преимущественно чёрно-белых сканах; результаты на цветных документах могут быть хуже. Из-за дисбаланса классов редкие карты и редакционные карикатуры могут распознаваться слабее, а небольшие текстовые области могут пропускаться при разрешении входа 480–800 пикселей. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск заголовков и объявлений на газетных страницах
  • обнаружение фотографий, иллюстраций и карт в газетных сканах
  • разметка комиксов и редакционных карикатур в архивах
  • подготовка исторических газет к каталогизации и поиску

Ограничения

Модель обучена на чёрно-белых газетных сканах, поэтому на цветных документах качество может снижаться. Редкие классы, включая карты и редакционные карикатуры, а также небольшие текстовые области могут распознаваться хуже.

Для каких профессий подходит3

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

pi-r2 — DETR for document layout detection (loc_beyond_words)

Fine-tuned DETR (ResNet-50) for detecting layout regions in historical newspaper page scans, trained on biglam/loc_beyond_words (2,846 train / 712 validation images, 7 classes).

Model / license

Classes (7)

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

Validation results (COCO-style metrics on the held-out validation split, 712 images)

MetricValue
AP @[IoU .50:.95]0.423
AP @IoU .500.566
AP @IoU .750.486
AP small0.050
AP medium0.250
AP large0.453
AR max=10.286
AR max=100.574
AR max=1000.625

Per-class AP

ClassAP
Photographn/a
Illustrationn/a
Mapn/a
Comics/Cartoonn/a
Editorial Cartoonn/a
Headlinen/a
Advertisementn/a

Note: AP_small/AP_medium/AP_large are computed on the resized evaluation inputs, not original pixel areas; treat small-object numbers cautiously.

Training details

  • Recipe: standard DETR fine-tuning (AdamW, lr=1e-4, backbone lr=1e-5, wd=1e-4, grad clip 0.1, fp16, linear warmup/decay, batch size 2 with grad accumulation 2).
  • Input: images resized to shortest edge 480px / longest edge 800px (aspect kept), RGB.
  • Epochs: up to 15 with early stopping (patience 3 on AP@.5) and validation every 4 epochs.
  • Hardware: 1x NVIDIA T4 (16GB) via Hugging Face Jobs (t4-small).
  • Cost: < $5 total GPU compute.

Quickstart

from transformers import DetrImageProcessor, DetrForObjectDetection
from PIL import Image
import torch

processor = DetrImageProcessor.from_pretrained("harness-race/pi-r2")
model = DetrForObjectDetection.from_pretrained("harness-race/pi-r2")

image = Image.open("page.png").convert("RGB")
inputs = processor(images=image, return_tensors="pt")
with torch.no_grad():
    outputs = model(**inputs)

results = processor.post_process_object_detection(
    outputs, threshold=0.5, target_sizes=[(image.height, image.width)])[0]
for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
    print(model.config.id2label[label.item()], round(score.item(), 3), [round(v, 1) for v in box.tolist()])

Files

  • model.safetensors, config.json, preprocessor_config.json — fine-tuned model + processor
  • val_metrics.json — full COCO validation metrics (incl. per-class AP)
  • figures/ — sample predictions on the validation set
  • train_detr.py, requirements.txt — training code for reproducibility

Limitations

  • Trained on grayscale newspaper scans; color documents may perform worse.
  • Classes are heavily imbalanced (Headline/Advertisement dominate; Map/Editorial Cartoon are rare).
  • Small text-heavy regions may be missed at 480–800px input resolution.

Как запустить

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

GPU в ailist

Универсальный рантайм · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
DetrForObjectDetection
Ревизия весов
4823c84

0 моделей