基于LayoutLM架构微调的文档问答模型,专用于处理发票及其他文档的问答任务
下载量 75.42k
发布时间 : 9/6/2022
模型简介
本模型是基于多模态LayoutLM架构微调的版本,专用于处理发票及其他文档的问答任务。其训练数据融合了专有发票数据集、SQuAD2.0问答数据集以及DocVQA文档视觉问答数据集,以实现通用理解能力。
模型特点
非连续文本识别
通过附加分类器头,可预测跨区域的非连续文本序列,解决了传统问答模型仅能预测连续文本片段的问题
多模态理解
结合文本和布局信息,能够理解文档的视觉结构和内容
发票专用优化
针对发票处理进行了专门优化,能够准确提取发票号码、采购金额等关键信息
模型能力
文档问答
发票信息提取
非连续文本识别
多模态文档理解
使用案例
文档处理
发票信息提取
从发票中提取号码、金额等关键信息
准确识别非连续文本,如两行地址信息
合同分析
从合同文档中提取关键条款和数据
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文