Характеристики

Контекст: 1 024 токена
Параметры: 6,3 млн
Лицензия: MIT
Архитектура: table-transformer · dense
Базовая модель: table-transformer-structure-recognition
Опубликована: 23 мая 2024

Ссылки

Hugging Face

tblstructrecog_finetuned_tbltransstrucrecog_v1_s1_370s

nsugianto

Поиск объектовИзображение → bounding_boxes8 профессий

Дообученная модель Table Transformer обнаруживает строки, столбцы и другие структурные элементы таблиц в документах.

53скачиваний за 30 дней0лайковвеса обновлены26 мая 2024

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 nsugianto/tblstructrecog_finetuned_tbltransstrucrecog_v1_s1_370s — дообученная версия microsoft/table-transformer-structure-recognition для обнаружения структурных элементов таблиц на изображениях документов. Она использует архитектуру Table Transformer на базе DETR и содержит 6,3 млн параметров. Модель может находить строки, столбцы и другие элементы структуры таблицы; библиотека Transformers и формат весов safetensors указаны в метаданных.

Модель подходит для извлечения структуры таблиц из документов и последующего преобразования её в машиночитаемое представление. Она опубликована под лицензией MIT. Датасет дообучения, результаты оценки и подробные сведения об ограничениях в карточке не описаны.

Сценарии применения

поиск строк и столбцов в таблицах на изображениях документов
извлечение структуры таблицы для последующего преобразования в данные
обнаружение ячеек и других элементов табличной разметки

Ограничения

Датасет дообучения и результаты оценки не описаны, поэтому качество на конкретных типах документов не установлено. Контекст в метаданных указан как 1024 токена, но его связь с обработкой изображений не пояснена.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tblstructrecog_finetuned_tbltransstrucrecog_v1_s1_370s

This model is a fine-tuned version of microsoft/table-transformer-structure-recognition on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 1e-06
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 750
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.41.0.dev0
Pytorch 2.0.1
Datasets 2.18.0
Tokenizers 0.19.1

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: TableTransformerForObjectDetection
Ревизия весов: 72b8a23