Dit Base Finetuned Rvlcdip Finetuned Data200

由 AthiraVr 开发

该模型是基于microsoft/dit-base-finetuned-rvlcdip在图像文件夹数据集上微调的版本，主要用于图像分类任务。

图像分类

Transformers

#文档图像分类 #微调模型 #中等准确率

下载量 16

发布时间 : 2/27/2023

模型介绍

内容详情

替代品

模型简介

这是一个经过微调的图像分类模型，基于DiT（Document Image Transformer）架构，在文档图像分类任务上进行了优化。

模型特点

文档图像优化

专门针对文档图像分类任务进行了优化

迁移学习

基于预训练的DiT模型进行微调

200轮训练

经过200轮训练，达到相对稳定的性能

模型能力

文档图像分类

图像特征提取

使用案例

文档处理

文档类型识别

自动识别不同类型的文档（如发票、合同、表格等）

在评估集上达到56.99%的准确率

标签:

由训练器生成数据集:
图像文件夹指标:
准确率模型索引:
名称: dit-base-finetuned-rvlcdip-finetuned-data200 结果:
- 任务: 名称: 图像分类类型: 图像分类数据集: 名称: 图像文件夹类型: 图像文件夹配置: 默认分割: 训练参数: 默认指标:
  - 名称: 准确率类型: 准确率值: 0.5698924731182796

dit-base-finetuned-rvlcdip-finetuned-data200

该模型是基于microsoft/dit-base-finetuned-rvlcdip在图像文件夹数据集上微调的版本。在评估集上取得了以下结果:

损失: 3.0080
准确率: 0.5699

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

需要更多信息

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: 5e-05
训练批次大小: 2
评估批次大小: 2
随机种子: 42
梯度累积步数: 4
总训练批次大小: 8
优化器: Adam，参数beta=(0.9,0.999)，epsilon=1e-08
学习率调度器类型: 线性
学习率调度器预热比例: 0.1
训练轮数: 200

训练结果

训练损失	轮数	步数	验证损失	准确率
2.1142	1.0	46	2.0131	0.3441
1.9953	2.0	92	1.9577	0.4086
1.9558	3.0	138	1.9231	0.4301
1.9251	4.0	184	1.8015	0.4946
1.6485	5.0	230	1.7045	0.5269
1.5973	6.0	276	1.5806	0.5054
1.4755	7.0	322	1.4849	0.5054
1.4537	8.0	368	1.4356	0.5161
1.416	9.0	414	1.4512	0.5269
1.3645	10.0	460	1.3857	0.5591
1.3017	11.0	506	1.3108	0.5484
1.2794	12.0	552	1.3027	0.5376
1.1553	13.0	598	1.2883	0.5484
1.1526	14.0	644	1.3554	0.5054
1.1116	15.0	690	1.3235	0.5914
1.1925	16.0	736	1.2401	0.5806
1.1297	17.0	782	1.3425	0.5914
0.9717	18.0	828	1.3538	0.5484
0.8404	19.0	874	1.2648	0.5699
0.7008	20.0	920	1.4971	0.5376
1.1454	21.0	966	1.4137	0.4839
0.6849	22.0	1012	1.2801	0.5591
0.8566	23.0	1058	1.2380	0.5699
0.8956	24.0	1104	1.2903	0.6129
0.8004	25.0	1150	1.4372	0.5591
0.818	26.0	1196	1.1640	0.6344
0.6387	27.0	1242	1.3120	0.6452
0.7282	28.0	1288	1.4678	0.5161
0.7426	29.0	1334	1.4815	0.5269
0.735	30.0	1380	1.2714	0.6129
0.6769	31.0	1426	1.2262	0.5699
0.5562	32.0	1472	1.3348	0.6344
0.6671	33.0	1518	1.4159	0.6129
0.3708	34.0	1564	1.6416	0.5484
0.3967	35.0	1610	1.3298	0.5699
0.4692	36.0	1656	1.3559	0.5699
0.632	37.0	1702	1.3349	0.5699
0.3719	38.0	1748	1.4697	0.5914
0.4238	39.0	1794	1.5207	0.6022
0.3608	40.0	1840	1.5557	0.5591
0.6252	41.0	1886	1.6247	0.5269
0.4183	42.0	1932	1.5885	0.5914
0.3922	43.0	1978	1.6593	0.5699
0.5715	44.0	2024	1.5270	0.5699
0.3656	45.0	2070	1.8899	0.5054
0.3656	46.0	2116	2.0936	0.4624
0.4003	47.0	2162	1.5610	0.5054
0.446	48.0	2208	1.7388	0.5376
0.5219	49.0	2254	1.4976	0.6129
0.3488	50.0	2300	1.5744	0.5914
0.323	51.0	2346	1.6312	0.6022
0.3713	52.0	2392	1.6975	0.5591
0.2981	53.0	2438	1.6229	0.5699
0.3422	54.0	2484	2.0909	0.4624
0.2538	55.0	2530	2.0966	0.5161
0.3868	56.0	2576	1.5614	0.6344
0.4662	57.0	2622	1.8929	0.5269
0.4277	58.0	2668	1.9573	0.5376
0.5301	59.0	2714	1.7999	0.5699
0.3867	60.0	2760	2.3481	0.4624
0.2334	61.0	2806	1.9924	0.5376
0.2921	62.0	2852	2.0454	0.5591
0.4386	63.0	2898	1.7798	0.5376
0.3299	64.0	2944	1.9370	0.5914
0.5982	65.0	2990	2.0527	0.5591
0.4433	66.0	3036	1.6222	0.6237
0.3717	67.0	3082	1.7977	0.5914
0.3642	68.0	3128	1.6988	0.5914
0.4541	69.0	3174	1.7567	0.6022
0.3464	70.0	3220	1.9029	0.5699
0.2764	71.0	3266	1.9611	0.6022
0.2138	72.0	3312	1.9333	0.5591
0.3928	73.0	3358	1.7701	0.5806
0.1811	74.0	3404	1.8330	0.5806
0.2076	75.0	3450	1.6676	0.6559
0.3326	76.0	3496	2.0036	0.6022
0.1343	77.0	3542	1.6937	0.6344
0.3031	78.0	3588	1.9223	0.6237
0.2743	79.0	3634	2.1681	0.5699
0.3392	80.0	3680	2.0505	0.6129
0.1346	81.0	3726	2.0190	0.5699
0.0652	82.0	3772	2.2910	0.5699
0.4219	83.0	3818	1.8858	0.5914
0.1386	84.0	3864	1.7976	0.6237
0.2155	85.0	3910	2.4278	0.5161
0.4901	86.0	3956	1.9239	0.6237
0.3141	87.0	4002	2.0954	0.6559
0.2328	88.0	4048	2.2602	0.5806
0.2768	89.0	4094	2.1083	0.5914
0.3476	90.0	4140	2.4922	0.5269
0.2029	91.0	4186	2.2094	0.5591
0.2421	92.0	4232	2.2407	0.5376
0.2034	93.0	4278	2.1488	0.5591
0.2461	94.0	4324	2.1332	0.5806
0.1462	95.0	4370	2.2702	0.5591
0.5213	96.0	4416	2.2134	0.5699
0.3634	97.0	4462	2.1066	0.5699
0.1698	98.0	4508	2.2736	0.6237
0.1685	99.0	4554	2.3919	0.5806
0.1971	100.0	4600	2.0664	0.6237
0.1496	101.0	4646	2.5661	0.5806
0.283	102.0	4692	2.0714	0.5699
0.185	103.0	4738	2.1369	0.6022
0.1489	104.0	4784	2.1653	0.6129
0.1231	105.0	4830	2.0890	0.6452
0.3224	106.0	4876	2.3771	0.5376
0.3452	107.0	4922	2.2537	0.6344
0.4404	108.0	4968	2.0253	0.6129
0.3408	109.0	5014	2.1653	0.5699
0.2406	110.0	5060	2.0196	0.6237
0.3051	111.0	5106	2.1980	0.6129
0.1515	112.0	5152	2.4104	0.5699
0.3836	113.0	5198	2.2342	0.6344
0.3572	114.0	5244	2.2321	0.6022
0.3006	115.0	5290	2.3555	0.5806
0.0965	116.0	5336	2.7237	0.4516
0.2023	117.0	5382	2.3798	0.6237
0.1272	118.0	5428	2.5357	0.5591
0.4318	119.0	5474	2.4913	0.5699
0.0414	120.0	5520	2.3760	0.6022
0.1785	121.0	5566	2.3920	0.6129
0.0142	122.0	5612	2.4256	0.6022
0.1262	123.0	5658	2.7212	0.5806
0.2219	124.0	5704	2.3683	0.5699
0.1629	125.0	5750	2.4280	0.5484
0.149	126.0	5796	3.0708	0.4839
0.2394	127.0	5842	2.2192	0.6022
0.2165	128.0	5888	2.4015	0.5806
0.0729	129.0	5934	2.2241	0.6022
0.2585	130.0	5980	2.9483	0.5054
0.1401	131.0	6026	2.3180	0.6129
0.4162	132.0	6072	3.0147	0.4946
0.1188	133.0	6118	2.3128	0.6237
0.0939	134.0	6164	2.5300	0.6022
0.1039	135.0	6210	2.5740	0.5699
0.3678	136.0	6256	2.5887	0.5914
0.3998	137.0	6302	2.5664	0.5376
0.1952	138.0	6348	2.1861	0.6774
0.2616	139.0	6394	2.7036	0.5806
0.2523	140.0	6440	2.5953	0.5806
0.2772	141.0	6486	2.4114	0.6129
0.2399	142.0	6532	2.3203	0.6237
0.3769	143.0	6578	2.7200	0.5591
0.0094	144.0	6624	2.7315	0.5591
0.1818	145.0	6670	2.5223	0.6129
0.3063	146.0	6716	2.3310	0.6237
0.222	147.0	6762	2.6180	0.5806
0.2505	148.0	6808	2.2976	0.6344
0.2705	149.0	6854	2.4091	0.5914
0.1624	150.0	6900	2.8030	0.5269
0.1322	151.0	6946	2.6379	0.5591
0.0876	152.0	6992	2.5781	0.5484
0.1332	153.0	7038	2.8476	0.5591
0.2727	154.0	7084	2.6779	0.5699
0.195	155.0	7130	3.0504	0.4839
0.152	156.0	7176	2.6103	0.5806
0.2811	157.0	7222	2.5947	0.6129
0.0742	158.0	7268	2.4666	0.6559
0.2052	159.0	7314	2.5116	0.5484
0.2598	160.0	7360	3.0400	0.5269
0.2846	161.0	7406	2.2042	0.6667
0.2653	162.0	7452	3.0598	0.5484
0.358	163.0	7498	2.7669	0.5806
0.0355	164.0	7544	2.4568	0.6237
0.1817	165.0	7590	2.9532	0.5806
0.0955	166.0	7636	2.4798	0.6237
0.1941	167.0	7682	2.7027	0.5699
0.1787	168.0	7728	2.4225	0.6237
0.0998	169.0	7774	2.5104	0.5914
0.0392	170.0	7820	2.6235	0.5806
0.2689	171.0	7866	2.9215	0.5806
0.0595	172.0	7912	2.8108	0.5699
0.148	173.0	7958	2.9213	0.5806
0.2159	174.0	8004	2.6172	0.6129
0.1221	175.0	8050	2.4386	0.6237
0.0691	176.0	8096	2.8642	0.5269
0.2014	177.0	8142	2.7364	0.6022
0.0379	178.0	8188	2.4859	0.6022
0.2202	179.0	8234	3.0665	0.5484
0.2078	180.0	8280	2.3521	0.6237
0.1051	181.0	8326	2.4827	0.6237
0.2257	182.0	8372	2.8155	0.5914
0.1339	183.0	8418	2.6274	0.6237
0.1414	184.0	8464	2.7645	0.5806
0.0993	185.0	8510	2.8886	0.5591
0.1769	186.0	8556	2.5164	0.6129
0.1575	187.0	8602	2.9346	0.5376
0.0251	188.0	8648	2.6099	0.5376
0.0536	189.0	8694	2.9630	0.5376
0.1748	190.0	8740	2.8360	0.5699
0.0151	191.0	8786	2.7525	0.6022
0.2198	192.0	8832	2.6656	0.5376
0.267	193.0	8878	3.0118	0.5591
0.1043	194.0	8924	3.0214	0.5699
0.0035	195.0	8970	2.7925	0.5806
0.0707	196.0	9016	2.7839	0.5806
0.0656	197.0	9062	3.0370	0.5376
0.1155	198.0	9108	2.6510	0.5914
0.1118	199.0	9154	2.7058	0.5699
0.3086	200.0	9200	3.0080	0.5699