Характеристики

Лицензия: MIT
Архитектура: vision-encoder-decoder · dense
Базовая модель: donut-base
Опубликована: 16 окт 2024

Ссылки

Hugging Face

InvoiceDonut1-5Epochs-LargeTrain1

tedad09

Языковая модель

Дообученная Donut для извлечения текста и сведений из изображений счетов-фактур.

6скачиваний за 30 дней0лайковвеса обновлены16 окт 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

InvoiceDonut1-5Epochs-LargeTrain1 — дообученная на наборе imagefolder модель Donut от tedad09, созданная на основе naver-clova-ix/donut-base. Архитектура VisionEncoderDecoder предназначена для обработки изображений документов и выдачи текстового результата; название модели указывает на специализацию на счетах-фактурах.

Модель может применяться для извлечения текста и структурированных сведений из изображений счетов. В README приведено значение loss 0,0959 на оценочном наборе, но состав набора, метрики качества и точный формат ответа не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

извлечение сведений из изображения счета-фактуры
автоматизация разбора счетов поставщиков
преобразование изображения счета в текст

Ограничения

README не описывает оценочный набор, качество на отдельных полях или формат генерируемого результата; указан только loss 0,0959. Специализация на счетах предполагается по названию модели, поэтому пригодность для других типов документов не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

InvoiceDonut1-5Epochs-LargeTrain1

This model is a fine-tuned version of naver-clova-ix/donut-base on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.0959

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: 2
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
1.294	1.0	207	0.1126
0.1678	2.0	414	0.1248
0.122	3.0	621	0.0887
0.083	4.0	828	0.0872
0.055	5.0	1035	0.0959

Framework versions

Transformers 4.38.2
Pytorch 2.2.2+cu121
Datasets 2.18.0
Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: VisionEncoderDecoderModel
Ревизия весов: fce4626