/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
layoutlmv2 · dense
Опубликована
25 мар 2023

layout-xlm-base-finetuned-with-DocLayNet-base-at-paragraphlevel-ml512

Разметка токеновТекст → label9 профессий

Модель LayoutXLM, дообученная на DocLayNet, распознаёт типы абзацев и элементы структуры страниц документов.

45скачиваний за 30 дней10лайковвеса обновлены19 мая 2023

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

pierreguillou дообучил LayoutXLM Base от Microsoft на наборе DocLayNet для распознавания структуры документов на уровне абзацев. Модель LayoutLMv2 содержит 305,2 млн параметров и принимает текстовые токены вместе с расположением элементов на странице; для обработки использовались фрагменты до 512 токенов с перекрытием 128 токенов. На выходе она присваивает абзацам метки одного из 11 типов: заголовок, текст, список, таблица, иллюстрация, формула, подпись, сноска, верхний или нижний колонтитул и название документа.

Модель предназначена для анализа PDF и других документов: она помогает выделять структуру страниц и подготавливать содержимое для поиска, извлечения данных и дальнейшей обработки. В README указаны F1 0,7739 и точность на уровне абзацев 86,55%; качество различается по классам, например, для нижних колонтитулов оно высокое, а для сносок и названий заметно ниже. В метаданных заявлены английский, немецкий, французский и японский языки. Лицензия — MIT.

Сценарии применения

  • разметка абзацев в PDF по типам содержимого
  • поиск заголовков, таблиц и списков на страницах документов
  • выделение колонтитулов, подписей и сносок
  • подготовка структуры документов для поиска и извлечения данных
  • анализ макета научных статей, финансовых отчётов и юридических документов

Ограничения

Качество зависит от типа элемента: по данным README, точность для сносок составляет 31,91%, для названий — 50%, а для подписей и таблиц — около 64–68%. Контекст обработки ограничен 514 токенами; для длинных страниц в обучении применялись перекрывающиеся фрагменты.

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

Document Understanding model (finetuned LayoutXLM base at paragraph level on DocLayNet base)

This model is a fine-tuned version of microsoft/layoutxlm-base with the DocLayNet base dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1796
  • Precision: 0.8062
  • Recall: 0.7441
  • F1: 0.7739
  • Token Accuracy: 0.9693
  • Paragraph Accuracy: 0.8655

Accuracy at paragraph level

  • Paragraph Accuracy: 86.55%
  • Accuracy by label
    • Caption: 63.76%
    • Footnote: 31.91%
    • Formula: 95.33%
    • List-item: 79.31%
    • Page-footer: 99.51%
    • Page-header: 88.75%
    • Picture: 90.91%
    • Section-header: 83.16%
    • Table: 68.25%
    • Text: 91.37%
    • Title: 50.0%

Paragraphs labels vs accuracy (%) of the dataset DocLayNet base of test (model: LayoutXLM base finetuned on DocLayNet base))

Confusion matrix of the labeled blocks of the dataset DocLayNet base of test (model: LayoutXLM base finetuned on DocLayNet base)

References

Blog posts

Notebooks (paragraph level)

Notebooks (line level)

APP

You can test this model with this APP in Hugging Face Spaces: Inference APP for Document Understanding at paragraph level (v2).

Inference APP for Document Understanding at paragraph level (v2)

You can run as well the corresponding notebook: Document AI | Inference APP at paragraph level with a Document Understanding model (LayoutXLM base fine-tuned on DocLayNet dataset)

DocLayNet dataset

DocLayNet dataset (IBM) provides page-by-page layout segmentation ground-truth using bounding-boxes for 11 distinct class labels on 80863 unique pages from 6 document categories.

Until today, the dataset can be downloaded through direct links or as a dataset from Hugging Face datasets:

Paper: DocLayNet: A Large Human-Annotated Dataset for Document-Layout Analysis (06/02/2022)

Model description

The model was finetuned at paragraph level on chunk of 512 tokens with overlap of 128 tokens. Thus, the model was trained with all layout and text data of all pages of the dataset.

At inference time, a calculation of best probabilities give the label to each paragraph bounding boxes.

Inference

See notebook: Document AI | Inference at paragraph level with a Document Understanding model (LayoutXLM base fine-tuned on DocLayNet dataset)

Training and evaluation data

See notebook: Document AI | Fine-tune LayoutXLM base on DocLayNet base in any language at paragraph level (chunk of 512 tokens with overlap)

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 4
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepAccuracyF1Validation LossPrecisionRecall
No log0.112000.88420.10660.44280.11540.0991
No log0.214000.92430.44400.30400.45480.4336
0.72410.326000.93590.55440.22650.53300.5775
0.72410.438000.94790.60150.21400.60130.6017
0.23430.5310000.94020.61320.28520.66420.5695
0.23430.6412000.95400.66040.16940.65650.6644
0.23430.7514000.93540.61980.23080.51190.7854
0.19130.8516000.95940.65900.16010.71900.6082
0.19130.9618000.95410.65970.16710.57900.7664
0.13461.0720000.96120.69860.15800.68380.7140
0.13461.1722000.95970.68970.14230.66180.7200
0.13461.2824000.96630.69800.15800.74900.6535
0.0981.3926000.96160.68000.13940.70440.6573
0.0981.4928000.96860.72510.17560.68930.7649
0.09991.630000.96360.69850.15420.71270.6848
0.09991.7132000.96700.70970.11870.75380.6705
0.09991.8134000.95850.74270.17930.76020.7260
0.09721.9236000.96210.71890.18360.75760.6839
0.09722.0338000.96420.71890.14650.73880.6999
0.06622.1340000.96910.74500.14090.76150.7292
0.06622.2442000.96150.74320.17200.74350.7429
0.06622.3544000.96670.73380.14400.74690.7212
0.05812.4546000.96570.71350.19280.74580.6839
0.05812.5648000.96920.73780.16450.74670.7292
0.05382.6750000.96560.76190.15170.77000.7541
0.05382.7752000.96840.77280.16760.82270.7286
0.05382.8854000.97250.76080.12770.78650.7367
0.04322.9956000.96930.77840.15320.78910.7681
0.04323.0958000.96920.77830.17010.80670.7519
0.02723.260000.97320.77980.11590.80720.7542
0.02723.362000.97200.77970.18350.79260.7672
0.02723.4164000.97300.78940.14810.81830.7624
0.02743.5266000.96860.76550.15520.79580.7373
0.02743.6268000.96980.77240.15230.80680.7407
0.02463.7370000.96910.77200.16730.79600.7493
0.02463.8472000.96880.76950.13330.79860.7424
0.02463.9474000.17960.80620.74410.77390.9693

Framework versions

  • Transformers 4.27.3
  • Pytorch 1.10.0+cu111
  • Datasets 2.10.1
  • Tokenizers 0.13.2

Other models

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
LayoutLMv2ForTokenClassification
Ревизия весов
dd2413e

0 моделей