/ Модель

Характеристики

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

layoutlmv2-large-uncased

Языковая модель9 профессий

Мультимодальная модель Microsoft для понимания документов с учётом текста, его расположения и изображения страницы.

7 392скачиваний за 30 дней12лайковвеса 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-large-uncased — мультимодальная модель Microsoft для понимания документов, в которой совместно обрабатываются текст, его расположение на странице и изображение документа. Модель основана на архитектуре LayoutLMv2, содержит около 433,9 млн параметров и рассчитана на последовательности длиной до 512 токенов; репозиторий содержит веса PyTorch.

Модель предназначена для последующей настройки и применения в задачах визуально обогащённого понимания документов: извлечения и классификации полей, анализа структуры форм и ответов на вопросы по документам. В карточке приведены результаты на FUNSD, CORD, SROIE, Kleister-NDA, RVL-CDIP и DocVQA. Основной язык карточки — английский.

Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и условия распространения производных материалов. Размер контекста ограничен 512 токенами; для прикладных задач может потребоваться настройка на целевых типах документов.

Сценарии применения

  • извлечение полей из счетов и чеков
  • классификация элементов в формах
  • ответы на вопросы по изображению документа
  • анализ структуры визуально сложных документов
  • распознавание и извлечение информации из деловых документов

Ограничения

Контекст ограничен 512 токенами, а качество на целевых типах документов может зависеть от последующей настройки. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование.

Для каких профессий подходит9

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

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
1c3fe90

0 моделей