/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
layoutlmv2 · dense
Опубликована
2 мар 2022

layoutlmv2-base-uncased

Языковая модель10 профессий

Мультимодальная модель Microsoft для извлечения и понимания информации из изображений документов с учётом текста и его расположения.

226 тыс.скачиваний за 30 дней70лайковвеса обновлены16 сен 2022

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

LayoutLMv2 — мультимодальная модель Microsoft для понимания документов, содержащих текст, визуальную разметку и изображения. Это плотная архитектура семейства LayoutLMv2 с 136,7 млн параметров; модель предварительно обучена учитывать взаимосвязи между текстом, расположением элементов и изображением страницы. Для обработки использует текстовые фрагменты, координаты их расположения и изображение документа, а контекст ограничен 512 токенами.

Модель предназначена для задач анализа визуально насыщенных документов: извлечения информации из форм и чеков, классификации документов и ответов на вопросы по их содержимому. В карточке сообщается о результатах на FUNSD, CORD, SROIE, Kleister-NDA, RVL-CDIP и DocVQA. Основной язык карточки — английский. Лицензия CC BY-NC-SA 4.0 требует атрибуции и распространения производных материалов на тех же условиях, а также ограничивает коммерческое использование.

Сценарии применения

  • извлечение полей из форм
  • извлечение данных из чеков и счетов
  • классификация типов документов
  • ответы на вопросы по содержимому документов
  • распознавание сущностей с учётом расположения на странице

Ограничения

Контекст ограничен 512 токенами. Лицензия CC BY-NC-SA 4.0 не допускает коммерческого использования.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LayoutLMv2

Multimodal (text + layout/format + image) pre-training for document AI

The documentation of this model in the Transformers library can be found here.

Microsoft Document AI | GitHub

Introduction

LayoutLMv2 is an improved version of LayoutLM with new pre-training tasks to model the interaction among text, layout, and image in a single multi-modal framework. It outperforms strong baselines and achieves new state-of-the-art results on a wide variety of downstream visually-rich document understanding tasks, including , including FUNSD (0.7895 → 0.8420), CORD (0.9493 → 0.9601), SROIE (0.9524 → 0.9781), Kleister-NDA (0.834 → 0.852), RVL-CDIP (0.9443 → 0.9564), and DocVQA (0.7295 → 0.8672).

LayoutLMv2: Multi-modal Pre-training for Visually-Rich Document Understanding Yang Xu, Yiheng Xu, Tengchao Lv, Lei Cui, Furu Wei, Guoxin Wang, Yijuan Lu, Dinei Florencio, Cha Zhang, Wanxiang Che, Min Zhang, Lidong Zhou, ACL 2021

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Ревизия весов
ae6f435

0 моделей