language: zh license: mit pipeline_tag: document-question-answering tags:

• layoutlm
• 文档问答
• pdf widget:
• text: "发票编号是多少？" src: "https://huggingface.co/spaces/impira/docquery/resolve/2359223c1837a7587402bda0f2643382a6eefeab/invoice.png"
• text: "采购金额是多少？" src: "https://huggingface.co/spaces/impira/docquery/resolve/2359223c1837a7587402bda0f2643382a6eefeab/contract.jpeg"

视觉问答LayoutLM模型

这是针对文档问答任务微调的多模态LayoutLM模型版本。该模型通过SQuAD2.0和DocVQA数据集进行了微调。

模型快速上手

运行以下示例前，请确保已安装PIL、pytesseract和PyTorch，以及transformers库。

from transformers import pipeline

nlp = pipeline(
    "document-question-answering",
    model="impira/layoutlm-document-qa",
)

nlp(
    "https://templates.invoicehome.com/invoice-template-us-neat-750px.png",
    "发票编号是多少？"
)
# {'score': 0.9943977, 'answer': 'us-001', 'start': 15, 'end': 15}

nlp(
    "https://miro.medium.com/max/787/1*iECQRIiOGTmEFLdWkVIH2g.jpeg",
    "采购金额是多少？"
)
# {'score': 0.9912159, 'answer': '$1,000,000,000', 'start': 97, 'end': 97}

nlp(
    "https://www.accountingcoach.com/wp-content/uploads/2013/10/income-statement-example@2x.png",
    "2020年净销售额是多少？"
)
# {'score': 0.59147286, 'answer': '$ 3,750', 'start': 19, 'end': 20}

注意：该模型及流程通过PR #18407和PR #18414刚被整合到transformers库中，因此需要使用较新版本的transformers，例如：

pip install git+https://github.com/huggingface/transformers.git@2ef774211733f0acf8d3415f9284c49ef219e991

关于我们

该模型由Impira团队开发。