/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
siglip · dense
Базовая модель
siglip2-base-patch16-224
Библиотека
transformers
Опубликована
9 мая 2025

Document-Type-Detection

Классификация изображенийИзображение → label7 профессий

Дообученная модель SigLIP 2 классифицирует сканы и фотографии по шести типам документов для автоматической сортировки и маршрутизации в OCR.

30скачиваний за 30 дней0лайковвеса обновлены10 мая 2025

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

Document-Type-Detection — модель классификации изображений документов, разработанная prithivMLmods на основе SigLIP 2 base patch16-224 и дообученная для распознавания шести типов документов на сканах и фотографиях: рекламных материалов, рукописных документов, счетов, писем, новостных статей и резюме. Она предназначена для автоматической сортировки документов, предварительной маршрутизации в OCR-конвейерах, цифрового архивирования и систем управления корпоративными документами.

Модель принимает изображение документа и возвращает класс документа. Архитектура — SigLIP для классификации изображений; карточка указывает поддержку английского языка. Модель распространяется в формате safetensors по лицензии Apache-2.0. Размер модели и длина контекста в предоставленных данных не описаны.

Сценарии применения

  • сортировка сканов по типу документа
  • определение счетов перед извлечением данных
  • отделение рукописных документов от печатных
  • классификация резюме в системе подбора персонала
  • распределение писем и новостных статей по архивным разделам
  • предварительная маршрутизация документов в OCR-конвейере

Ограничения

Модель различает шесть перечисленных классов; качество для других типов документов и условия работы с размытыми или плохо освещёнными изображениями в карточке не описаны.

Для каких профессий подходит7

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

Doc.png

Document-Type-Detection

Document-Type-Detection is a multi-class image classification model based on google/siglip2-base-patch16-224, trained to detect and classify types of documents from scanned or photographed images. This model is helpful for automated document sorting, OCR pipelines, and digital archiving systems.

Classification Report:
                   precision    recall  f1-score   support

Advertisement-Doc     0.8940    0.8940    0.8940      2000
 Hand-Written-Doc     0.9168    0.9310    0.9238      2000
      Invoice-Doc     0.9026    0.8940    0.8983      2000
       Letter-Doc     0.8380    0.8820    0.8594      2000
 News-Article-Doc     0.9258    0.8800    0.9023      2000
       Resume-Doc     0.9425    0.9340    0.9382      2000

         accuracy                         0.9025     12000
        macro avg     0.9033    0.9025    0.9027     12000
     weighted avg     0.9033    0.9025    0.9027     12000

download (2).png


Label Classes

The model classifies images into the following document types:

0: Advertisement-Doc  
1: Hand-Written-Doc  
2: Invoice-Doc  
3: Letter-Doc  
4: News-Article-Doc  
5: Resume-Doc

Installation

pip install transformers torch pillow gradio

Example Inference Code

import gradio as gr
from transformers import AutoImageProcessor, SiglipForImageClassification
from PIL import Image
import torch

# Load model and processor
model_name = "prithivMLmods/Document-Type-Detection"
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

# ID to label mapping
id2label = {
    "0": "Advertisement-Doc",
    "1": "Hand-Written-Doc",
    "2": "Invoice-Doc",
    "3": "Letter-Doc",
    "4": "News-Article-Doc",
    "5": "Resume-Doc"
}

def detect_doc_type(image):
    image = Image.fromarray(image).convert("RGB")
    inputs = processor(images=image, return_tensors="pt")

    with torch.no_grad():
        outputs = model(**inputs)
        logits = outputs.logits
        probs = torch.nn.functional.softmax(logits, dim=1).squeeze().tolist()

    prediction = {id2label[str(i)]: round(probs[i], 3) for i in range(len(probs))}
    return prediction

# Gradio Interface
iface = gr.Interface(
    fn=detect_doc_type,
    inputs=gr.Image(type="numpy"),
    outputs=gr.Label(num_top_classes=6, label="Document Type"),
    title="Document-Type-Detection",
    description="Upload a document image to classify it as one of: Advertisement, Hand-Written, Invoice, Letter, News Article, or Resume."
)

if __name__ == "__main__":
    iface.launch()

Applications

  • Automated Document Sorting
  • Digital Libraries and Archives
  • OCR Preprocessing
  • Enterprise Document Management

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
SiglipForImageClassification
Ревизия весов
d1bc44c

0 моделей