标签:

• 训练生成 数据集:
• 发票 指标:
• 精确率
• 召回率
• F1值
• 准确率 模型索引:
• 名称: layoutlmv3-finetuned-invoice 结果:
  • 任务: 名称: 令牌分类 类型: token-classification 数据集: 名称: 发票 类型: invoice 参数: invoice 指标:
    • 名称: 精确率 类型: precision 值: 1.0
    • 名称: 召回率 类型: recall 值: 1.0
    • 名称: F1值 类型: f1 值: 1.0
    • 名称: 准确率 类型: accuracy 值: 1.0

基于发票数据集微调的LayoutLM-v3模型

本模型是在发票数据集上对microsoft/layoutlmv3-base进行微调的版本。

我们使用微软的LayoutLMv3模型在发票数据集上进行训练，以预测开票方名称、开票方地址、开票方邮编、到期日期、消费税、发票日期、发票号码、小计和总计。使用时只需上传一张图片或使用下方示例图片，结果将在几秒内显示。

在评估集上达到如下结果:

• 损失: 0.0012
• 精确率: 1.0
• 召回率: 1.0
• F1值: 1.0
• 准确率: 1.0

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

所有训练代码可从以下GitHub链接获取:

https://github.com/Theivaprakasham/layoutlmv3

该模型可在HuggingFace Spaces链接进行评估:

https://huggingface.co/spaces/Theivaprakasham/layoutlmv3_invoice

训练过程

训练超参数

训练过程中使用了以下超参数:

• 学习率: 1e-05
• 训练批次大小: 2
• 评估批次大小: 2
• 随机种子: 42
• 优化器: Adam，参数beta=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型: 线性
• 训练步数: 2000

训练结果

框架版本

• Transformers 4.20.0.dev0
• Pytorch 1.11.0+cu113
• Datasets 2.2.2
• Tokenizers 0.12.1