/ Модель
Каталог

Характеристики

Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
donut-base
Опубликована
9 окт 2023

Ссылки

Hugging Face

donut-base-sroie

oxioxi
Изображение и текст → текст

Дообученная модель Donut для преобразования изображений документов в текст и разбора документов.

8скачиваний за 30 дней0лайковвеса обновлены9 окт 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

oxioxi/donut-base-sroie — модель семейства Donut, разработанная на основе naver-clova-ix/donut-base и дообученная на наборе данных imagefolder. Она использует архитектуру vision-encoder-decoder и предназначена для преобразования изображений документов в текст, включая задачи разбора документов.

Модель принимает изображение документа и выдаёт текст. Базовая Donut предварительно обучена для работы с документами; эта версия является её дообученным вариантом. Репозиторий распространяется в формате PyTorch по лицензии MIT. Карточка модели не описывает конкретные поля извлечения или качество на SROIE, поэтому результаты для отдельных типов чеков и документов следует проверять на собственных данных.

Сценарии применения

  • извлечение текста из изображений документов
  • разбор содержимого документов
  • обработка изображений чеков
  • извлечение структурированных сведений из документов

Ограничения

В README не приведены метрики качества, подробности обучающих данных или конкретные поля извлечения. Для целевых типов документов качество следует проверить на примерах из рабочего потока.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

donut-base-sroie

This model is a fine-tuned version of naver-clova-ix/donut-base on the imagefolder 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: 2e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Framework versions

  • Transformers 4.34.0
  • Pytorch 2.1.0+cu121
  • Datasets 2.14.0
  • Tokenizers 0.14.1

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
43f4533

0 моделей

    Создать бенчмарк