Output LayoutLMv3 V7

由 Noureddinesa 开发

基于microsoft/layoutlmv3-base微调的文档理解模型，擅长处理文档布局分析任务

文字识别

Transformers

#文档智能分析 #高精度OCR #表单识别

下载量 18

发布时间 : 4/12/2024

模型介绍

内容详情

替代品

模型简介

该模型是LayoutLMv3的微调版本，专注于文档理解和信息提取任务，能够处理包含文本和布局信息的文档

模型特点

文档布局理解

能够同时处理文本内容和视觉布局信息

高精度信息提取

在评估集上达到0.8的召回率和0.79的F1分数

多模态处理能力

结合文本、布局和视觉特征进行综合分析

模型能力

文档布局分析

表单识别

信息提取

文档理解

使用案例

文档处理

表单数据提取

从结构化文档中自动提取关键字段信息

准确率达97.23%

发票处理

识别发票中的供应商、金额、日期等信息

办公自动化

合同分析

自动识别合同中的关键条款和签署方信息

license: cc-by-nc-sa-4.0 tags:

generated_from_trainer metrics:
precision
recall
f1
accuracy model-index:
name: Output_LayoutLMv3_v7 results: [] datasets:
Noureddinesa/LayoutLmv3_v1

Output_LayoutLMv3_v7

该模型是基于microsoft/layoutlmv3-base在未知数据集上微调的版本。
在评估集上取得如下结果：

损失值：0.1075
精确率：0.7928
召回率：0.8
F1分数：0.7964
准确率：0.9723

模型描述

需补充更多信息

预期用途与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练流程

训练超参数

训练过程中使用的超参数如下：

学习率：1e-06
训练批大小：12
评估批大小：12
随机种子：42
优化器：Adam（beta1=0.9，beta2=0.999，epsilon=1e-08）
学习率调度器类型：cosine
训练步数：2600

训练结果

训练损失	周期	步数	验证损失	精确率	召回率	F1分数	准确率
无记录	9.09	100	0.4138	0.0	0.0	0.0	0.8962
无记录	18.18	200	0.2709	0.1667	0.0273	0.0469	0.9014
无记录	27.27	300	0.2003	0.6234	0.4364	0.5134	0.9360
无记录	36.36	400	0.1711	0.6496	0.6909	0.6696	0.9481
0.3384	45.45	500	0.1624	0.6667	0.7273	0.6957	0.9498
0.3384	54.55	600	0.1502	0.6803	0.7545	0.7155	0.9550
0.3384	63.64	700	0.1428	0.7227	0.7818	0.7511	0.9602
0.3384	72.73	800	0.1452	0.7049	0.7818	0.7414	0.9550
0.3384	81.82	900	0.1260	0.7544	0.7818	0.7679	0.9671
0.0995	90.91	1000	0.1254	0.7544	0.7818	0.7679	0.9671
0.0995	100.0	1100	0.1211	0.7863	0.8364	0.8106	0.9706
0.0995	109.09	1200	0.1093	0.7739	0.8091	0.7911	0.9706
0.0995	118.18	1300	0.1081	0.7946	0.8091	0.8018	0.9723
0.0995	127.27	1400	0.1108	0.7778	0.8273	0.8018	0.9723
0.0608	136.36	1500	0.1115	0.7627	0.8182	0.7895	0.9706
0.0608	145.45	1600	0.1034	0.8053	0.8273	0.8161	0.9740
0.0608	154.55	1700	0.1050	0.7895	0.8182	0.8036	0.9723
0.0608	163.64	1800	0.1093	0.7739	0.8091	0.7911	0.9706
0.0608	172.73	1900	0.1043	0.7965	0.8182	0.8072	0.9723
0.0443	181.82	2000	0.1048	0.8036	0.8182	0.8108	0.9758
0.0443	190.91	2100	0.1067	0.8036	0.8182	0.8108	0.9758
0.0443	200.0	2200	0.1069	0.8036	0.8182	0.8108	0.9740
0.0443	209.09	2300	0.1083	0.7928	0.8	0.7964	0.9723
0.0443	218.18	2400	0.1079	0.7928	0.8	0.7964	0.9723
0.0381	227.27	2500	0.1076	0.7928	0.8	0.7964	0.9723
0.0381	236.36	2600	0.1075	0.7928	0.8	0.7964	0.9723