/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
dfine-det-large-baseline-stage0
Библиотека
dfine-det
Опубликована
10 авг 2026

dfine-det-large-baseline-hebrew-samaritan-stage1

Поиск объектовИзображение → bounding_boxes

Детектор на базе D-FINE Large находит базовые линии рукописного текста в еврейских и самаритянских рукописях для PAGE-XML и последующих HTR-процессов.

0скачиваний за 30 дней1лайквеса обновлены10 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

Модель johnlockejrr/dfine-det-large-baseline-hebrew-samaritan-stage1 разработана как специализированный детектор базовых линий текста в рукописях на иврите и самаритянском письме. Она предназначена для анализа страниц в рабочих процессах PAGE-XML и подготовки геометрии строк для последующего распознавания рукописного текста и анализа макета.

Модель использует архитектуру PolylineDFINE: ядро детектора D-FINE Large с backbone HGNetv2-B4 и головой, предсказывающей полилинии из B-spline контрольных точек. В README указано около 30,1 млн обучаемых параметров. Модель дообучена на базовых линиях из корпусов средневековых еврейских и самаритянских рукописей; поддерживаются языки he и en по метаданным карточки, при этом специализация модели — иврит и самаритянские рукописи.

В тесте на отложенных еврейских страницах приведён F1 0,898 при пороге уверенности 0,50; метрика и результаты относятся к описанному автором набору и не являются результатами соревнования cBAD 2019. Модель обнаруживает линии, но не распознаёт текст и не заменяет детекторы областей макета. Контрольные точки K=8 могут недостаточно точно описывать сильно изогнутые или повреждённые строки, а на некоторых страницах возможны дублирующие линии. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск базовых линий текста на страницах средневековых еврейских рукописей
  • Поиск базовых линий в самаритянских рукописях
  • Подготовка геометрии строк для последующего распознавания рукописного текста
  • Создание PAGE-XML-разметки строк рукописных страниц
  • Исследование переноса обучения между многоязычной и специализированной детекцией строк

Ограничения

Модель обнаруживает базовые линии, но не распознаёт текст и не предназначена для детекции областей макета. Контрольные точки K=8 могут недостаточно описывать сильно изогнутые или повреждённые строки; возможны дублирующие линии, а качество на отложенных еврейских страницах ниже, чем на валидации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dfine-det-large-baseline-hebrew-samaritan-stage1

Stage-1 product fine-tune of dfine-det — D-FINE Large (HGNetv2-B4) predicting text-line baselines as polylines (B-spline control points) for medieval Hebrew and Samaritan manuscripts (PAGE-XML).

Hub repo: johnlockejrr/dfine-det-large-baseline-hebrew-samaritan-stage1
Primary file: best_cbad_f1.safetensors (~116 MB)
SHA256: ef7c32254905d72f1768ba2043cf092b5b040e5643fba83fba2bbbc13b70643d

Init chain: Peterande/D-FINE dfine_l_obj2coco → johnlockejrr/dfine-det-large-baseline-stage0 (cbad_f1_max ≈ 0.893) → this Stage-1.


Model summary

ArchitecturePolylineDFINE — D-FINE detection core + polyline head
Size classLarge (D-FINE-L / backbone B4)
Parameters~30.1 M trainable
Queries300
Geometry(K=8) cubic B-spline control points per line + height
Canvas(1280\times1280) letterbox
InitStage-0 best_cbad_f1.safetensors (strict=False load path)
TaskDocument baseline / text-line detection → PAGE or ALTO export
ScriptsHebrew (square / medieval) + Samaritan
Recommended conf0.50 (locked on unseen Hebrew holdout)
Reading order (export)Prefer --reading-order rtl for PAGE/ALTO serialize

Detection is set prediction of scored polylines. Polygonal line environments (BLLA) are applied only at PAGE/ALTO serialize time, not in the training objective.


Intended use

Use for

  • Baseline detection on Hebrew and Samaritan manuscript pages (PAGE-XML workflows)
  • Downstream HTR / layout pipelines that need reliable text-line geometry
  • Research on Stage-0 → Stage-1 transfer for script-specific corpora

Not for

  • Official ICDAR cBAD 2019 bake-offs (wrong track / domain)
  • Production OCR transcription (detects lines; does not recognize text)
  • Replacing layout region detectors (paragraphs, tables, etc.)

Training pipeline

Peterande D-FINE-L (Objects365→COCO)
        │
        ▼
Stage-0 multiscript polyline pretrain
  (~46.5k train / 1.9k val; cbad_f1_max ≈ 0.893 @ ~ep39)
  Hub: johnlockejrr/dfine-det-large-baseline-stage0
        │
        ▼
Stage-1 Hebrew + Samaritan fine-tune  ← this release
  (1758 train / 261 val; monitor peak cbad_f1_max ≈ 0.9599 @ ep109)

Config: configs/hebrew_samaritan_stage1.yaml.


Fine-tuning data (Stage-1)

PAGE-XML baselines from:

CorpusRolePages (train / val)
Hebrew_Medieval-segSquare / medieval Hebrew333 / 37
sam_44_mss_pango_additionalSamaritan (44+ MSS pack)1425 / 224
Combined1758 / 261

Split policy (seed 42; see configs/hebrew_samaritan_combined_split.json):

  • Samaritan: manuscript-level holdout (~12% pages target) — 43 train MSS / 7 val MSS (no page from a val MS appears in train).
  • Hebrew: page-level split within Hebrew_Medieval-seg.

Compiled to Arrow (simplify_eps=0.01 → B-spline (K=8)) under outputs/hebrew_samaritan_combined/arrow/.


Training recipe (Stage-1)

HyperparameterValue
Init weightsStage-0 PRETRAIN/stage0/best_cbad_f1.safetensors
OptimizerAdamW; base LR (5\times10^{-5}) (backbone (0.1\times))
ScheduleLinear warmup + cosine (Lightning defaults as in dfine-det train)
Precisionbf16-mixed
Effective batch8 (micro-batch 8 × accum 1 on this run)
Cap / early-stopmax 150 epochs; quit: early on cbad_f1_max; patience 20; min_epochs 15; min_delta 0.0005
Best snapshotepoch 109 (checkpoints/best-epoch=109.ckpt → best_cbad_f1.safetensors)
Monitor peakcbad_f1_max ≈ 0.9599
Conf sweep (train){0.1, 0.2, 0.3, 0.4, 0.5, 0.6}; fast_conf_sweep: true
Losses / matcherloss_class=8.0, loss_height=3.0, cost_y=3.0
AugmentEnabled (--augment / YAML augment: true)
Match distance20 px on the 1280 canvas
Seed42

Evaluation

Metric: cBAD-style line F1 — Hungarian matching of densified polylines with mean bidirectional Chamfer cost; TP if cost ≤ dist_thresh (20 px).

Operating point (recommended)

Lock conf = 0.50 using the unseen Hebrew holdout (not the Stage-1 val peak). On Stage-1 val, 0.50 is within ~0.0015 F1 of the val-best conf (0.40).

1) Unseen Hebrew holdout (primary report)

Source: /opt/DATA/DATASETS/multi-export-hebrew (674 PAGE pages).
Excluded any page already in Stage-1 train/val (exact basename) or Stage-0 lists (exact / post-__ stem) → 377 pages.
List: configs/multi_export_hebrew_unseen_test.lst.

dfine-det --config configs/hebrew_samaritan_stage1.yaml -d cuda:0 test \
  --weights best_cbad_f1.safetensors \
  --val-arrow outputs/hebrew_samaritan_stage1/arrow_unseen_test/val.arrow \
  --conf 0.50
confcbad_f1precisionrecallmean_chamfer
0.100.73690.60100.95235.62
0.200.87500.82880.92686.51
0.300.89010.88510.89517.86
0.400.89010.90700.87387.14
0.500.89770.93210.86575.91
0.600.89350.94640.84625.18

Headline (unseen @ 0.50): F1 0.898 · P 0.932 · R 0.866

2) Stage-1 in-domain val (early-stop split)

261 pages (hebrew_samaritan_combined val Arrow). Optimistic vs true holdout.

confcbad_f1precisionrecallmean_chamfer
0.100.79370.66230.99023.07
0.200.93170.89280.97414.30
0.300.94940.93940.95975.10
0.400.95530.96020.95044.76
0.500.95380.97180.93644.14
0.600.95030.98140.92113.55

Train monitor cbad_f1_max ≈ 0.9599 @ ep109 (best across the same conf grid during training).

Caveats

  • Unseen set is Hebrew multi-export pages not in Stage-0/1 lists; it is not a Samaritan-only test and not manuscript-disjoint vs every possible Hebrew source.
  • Stage-1 val F1 is not interchangeable with unseen F1 (~0.95 vs ~0.90).
  • Fixed conf 0.1 (train log cbad_f1) is far below operating F1 — always sweep or use 0.50.

How to use

Install

pip install -e ".[dev]"   # from the dfine-det repo; see QUICKSTART for torch/CUDA notes

Inference (PAGE XML)

dfine-det -d cuda:0 infer \
  --weights best_cbad_f1.safetensors \
  --image page.jpg \
  -o page.xml \
  --format page \
  --conf 0.5 \
  --reading-order rtl

Evaluate

dfine-det --config configs/hebrew_samaritan_stage1.yaml -d cuda:0 test \
  --weights best_cbad_f1.safetensors \
  --val-arrow path/to/val.arrow \
  --conf 0.50

Files in this release

FileDescription
best_cbad_f1.safetensorsRecommended Stage-1 weights (monitor peak ≈ 0.9599)
best_0.9599.safetensorsSame snapshot, score-tagged filename
checkpoints/best-epoch=109.ckptOptional Lightning resume state
README.mdThis model card

Upload the safetensors (+ this README) for Hub users; Lightning .ckpt is optional.


Limitations

  • Domain gap remains between Stage-1 val (~0.95 F1) and unseen Hebrew (~0.90 F1).
  • (K=8) control points underfit strongly curved / damaged lines.
  • Vertical “ghost” doubles can still appear on some layouts; cost_y / loss_height mitigate but do not eliminate them.
  • Private / institutional manuscript images used in training are not redistributed with the weights; respect each corpus license.
  • Do not cite these scores as cBAD 2019 / Orli bake-off results.

Citation & credits

D-FINE (architecture & COCO/Objects365 pretrain)

@inproceedings{peng2025dfine,
  title     = {D-FINE: Redefine Regression Task in DETRs as Fine-grained Distribution Refinement},
  author    = {Peng, Yansong and Li, Hebei and Wu, Peixi and Zhang, Yueyi and Sun, Xiaoyan and Wu, Feng},
  booktitle = {The Thirteenth International Conference on Learning Representations},
  year      = {2025},
  url       = {https://arxiv.org/abs/2410.13842}
}

Stage-0 polyline pretrain

@software{dfine_det_stage0_large,
  title  = {dfine-det Large Stage-0: Multiscript Polyline Baseline Pretrain},
  author = {John Locke Jrr, johnlockejrr},
  year   = {2026},
  url    = {https://huggingface.co/johnlockejrr/dfine-det-large-baseline-stage0}
}

This Stage-1 Hebrew/Samaritan fine-tune

@software{dfine_det_hebsam_stage1,
  title  = {dfine-det Large Stage-1: Hebrew and Samaritan Polyline Baseline Detection},
  author = {John Locke Jrr, johnlockejrr},
  year   = {2026},
  note   = {Fine-tuned from johnlockejrr/dfine-det-large-baseline-stage0; operating conf 0.50},
  url    = {https://huggingface.co/johnlockejrr/dfine-det-large-baseline-hebrew-samaritan-stage1}
}

Additional notices

  • Vendored D-FINE modules: see THIRD_PARTY_NOTICES.md (Apache-2.0, © 2024 The D-FINE Authors).
  • PAGE polygonalization helpers derive from Kraken/BLLA (Apache-2.0, © Benjamin Kiessling) — used at export only.
  • Training corpora: follow each dataset’s original license / institutional terms.

License

Apache License 2.0 for the dfine-det code and these weights, consistent with D-FINE’s Apache-2.0 release. Downstream users must also comply with licenses of any datasets used in further fine-tuning.

Как запустить

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

GPU в ailist

Универсальный рантайм · dfine-det · object-detection

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
d838cbc

0 моделей