/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY-NC 4.0
Архитектура
layoutlmv3 · dense
Базовая модель
layoutlmv3-base
Опубликована
20 сен 2026

layoutlmv3-cord-extraction

Разметка токеновТекст → label6 профессий

Дообученная LayoutLMv3 извлекает типизированные поля из изображений розничных чеков.

65скачиваний за 30 дней0лайковвеса обновлены20 сен 2026

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

perlious-Savage/layoutlmv3-cord-extraction — модель Perlious-Savage для извлечения полей из изображений чеков. Она основана на LayoutLMv3-base от Microsoft и дообучена на датасете CORD-v2; архитектура LayoutLMv3 объединяет анализ текста, изображения и структуры документа. Модель с 151,8 млн параметров выполняет классификацию токенов и выделяет поля чека, размеченные 59 типами BIO, включая позиции меню, количество, цены, налоги, чаевые и суммы оплаты. Родной контекст — 514 токенов; карточка указывает английский язык.

В README приведён entity-level F1 0,948 на тестовой выборке CORD-v2 из 100 документов, однако авторы отмечают, что оценка основана на одном запуске. Модель предназначена для извлечения данных из розничных чеков, а не для проверки KYC или регуляторного соответствия. Редкие категории извлекаются хуже; числа и разбор сумм рассчитаны на индонезийский формат, где точка обозначает разделитель тысяч. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Сценарии применения

  • извлечение позиций, количества и цен из чеков
  • распознавание итогов, налогов и сумм оплаты на чеках
  • автоматическая разметка полей чека для последующей обработки
  • сопоставление извлечённых полей с эталонными данными чеков

Ограничения

Качество оценено на одном запуске и небольшой тестовой выборке; редкие типы полей извлекаются хуже. Модель обучена на индонезийских розничных чеках, а обработка денежных сумм предполагает точку как разделитель тысяч; результаты не характеризуют KYC или регуляторные сценарии.

Для каких профессий подходит6

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

LayoutLMv3 fine-tuned on CORD-v2 for receipt field extraction

Token classification over receipt images, extracting 59 BIO-tagged field types (menu items, quantities, unit prices, subtotals, tax, service charges, payment amounts).

Part of a document-intelligence pipeline: Perlious-Savage/financial-doc-intelligence.

Results

Evaluated on the CORD-v2 test split (100 documents, 1,309 entities).

methodprecisionrecallF1
keyword + position rules, no model0.5570.4680.509
this model0.9420.9550.948

Scoring is entity-level: a prediction counts only when its type and its full span match the reference exactly. Partial extractions score zero, because a partially extracted field is not a usable one. Implementation: src/metrics.py.

Where the gain comes from

The rule baseline handles fields printed next to their own label and scores exactly zero on fields identified by position alone. Those are the fields this model exists for:

fieldsupportrules F1this model
menu.cnt2200.0000.984
menu.unitprice670.0000.933
menu.sub.nm360.0000.892
menu.sub.price200.0000.947
menu.sub.cnt170.0000.944

Known weaknesses

Every remaining weak field is a rare class: menu.etc (3 test examples, F1 0.000), total.total_etc (3, 0.000), menu.itemsubtotal (6, 0.000), total.emoneyprice (2, 0.400), menu.discountprice (10, 0.571). Two are catch-all etc categories, where scarcity compounds with genuine ambiguity about what belongs in them. This is a data-coverage limitation, not an architectural one.

Training

base modelmicrosoft/layoutlmv3-base
epochs8
learning rate5e-5
batch size4
training documents800
label classes59
hardwareA100 (Colab), 711s

Validation F1 by epoch: 0.820, 0.923, 0.921, 0.950, 0.946, 0.952, 0.955, 0.955 — plateaus from epoch 6, so the final two epochs added nothing.

Limitations

  • Single training run. No repeated seeds, no confidence intervals. With 100 test documents the interval around 0.948 is not tight; a rerun would move the third decimal.
  • Receipts, not KYC. CORD is Indonesian retail receipts. This measures document extraction, not regulatory or compliance performance.
  • Indonesian number formatting. Amounts use . as a thousands separator (12.000 is twelve thousand). Parsing logic assumes this convention.
  • Comparable published work (nielsr/layoutlmv3-finetuned-cord) reports 0.964 F1 under a different evaluation setup — context, not a like-for-like comparison.

Usage

from transformers import AutoProcessor, LayoutLMv3ForTokenClassification

processor = AutoProcessor.from_pretrained("perlious-Savage/layoutlmv3-cord-extraction", apply_ocr=True)
model = LayoutLMv3ForTokenClassification.from_pretrained("perlious-Savage/layoutlmv3-cord-extraction")

License

Inherits CC-BY-NC-4.0 from microsoft/layoutlmv3-base (non-commercial). Training data: CORD-v2, CC-BY-4.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
LayoutLMv3ForTokenClassification
Ревизия весов
b7e0dad

0 моделей