/ Модель
Каталог

Характеристики

Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Опубликована
1 авг 2023

Ссылки

Hugging Face

donut-base-ascii

nbroad
Изображение и текст → текст6 профессий

Donut Base ASCII — преобразованная версия Donut Base для извлечения преимущественно ASCII-текста из изображений в базовых англоязычных сценариях.

16скачиваний за 30 дней7лайковвеса обновлены14 авг 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Donut Base ASCII — преобразованная версия naver-clova-ix/donut-base, подготовленная nbroad. Это модель архитектуры Vision Encoder-Decoder для преобразования изображений в текст. Из словаря удалены не-ASCII токены и добавлен токен «1»; модель не обучалась дополнительно после исходной.

Модель рассчитана на базовые англоязычные сценарии, где распознаваемый текст состоит преимущественно из латинских букв, цифр и обычной пунктуации. В сравнении, приведённом автором карточки, генерация 10 токенов занимала около 195 мс против 205 мс у исходной модели и 280 мс при использовании списка запрещённых токенов.

Модель распространяется под лицензией Apache-2.0. Удаление токенов ограничивает её применимость к текстам с символами за пределами ASCII; дополнительных задач обучения автор не проводил.

Сценарии применения

  • распознавание английского текста на изображениях с латинскими буквами и цифрами
  • извлечение коротких ASCII-строк из документов и скриншотов
  • преобразование изображений с обычной пунктуацией в текст

Ограничения

Удаление не-ASCII токенов ограничивает распознавание символами латиницы, цифрами и базовой пунктуацией. Модель не проходила дополнительное обучение после исходной Donut Base.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

donut-base-ascii

This is "naver-clova-ix/donut-base" but with all non-ascii tokens removed. This means the model is good for basic English use cases where the text is primarily a-zA-Z0-9 and basic punctuation.

The original model, "naver-clova-ix/donut-base", did not have a token for "1", so that has also been added. The notebook remove-donut-tokens.ipynb details the whole process.

This has not been trained any more than the original model.

I made a whole video about it: https://youtu.be/Uzr553x1gdM

I did a quick speed test for generation against the default model and using bad_words_ids. The bad_words_ids was only 12k tokens instead of the 30k that were removed and it was still noticeably slower.

Speed script here
Launched with this

approach | time to generate 10 tokens

  • | - "naver-clova-ix/donut-base" | 205ms "naver-clova-ix/donut-base" + 12k bad_words_ids | 280ms "donut-base-ascii" | 195ms

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
39129e8

0 моделей

    Создать бенчмарк