lmv2-g-aadhaar-236doc-06-14オープンソースモデル - Aadhaarカードなどのドキュメントの重要情報を効率的に抽出

Lmv2 G Aadhaar 236doc 06 14

Sebabrataによって開発

このモデルはmicrosoft/layoutlmv2-base-uncasedをファインチューニングしたバージョンで、文書情報抽出タスクに特化しており、Aadhaarカード、生年月日、性別、氏名などのフィールド抽出に優れた性能を発揮します。

シーケンスラベリング

Transformers

#文書情報抽出 #高精度認識 #本人確認

ダウンロード数 52

リリース時間 : 6/14/2022

モデル概要

LayoutLMv2アーキテクチャに基づく文書情報抽出モデルで、ID番号、生年月日、性別、氏名などの主要フィールド情報を構造化文書から抽出するために特別に設計されています。

モデル特徴

高精度情報抽出

Aadhaar番号、生年月日、性別、氏名などの主要フィールドで高い精度と再現率を達成

LayoutLMv2アーキテクチャベース

テキストとレイアウト情報を統合的にモデリングし、文書理解能力を向上

複数フィールド同時認識

文書内の複数の異なるタイプの情報フィールドを同時に認識可能

モデル能力

文書情報抽出

構造化データ認識

ID情報解析

使用事例

本人確認

Aadhaarカード情報抽出

インドAadhaar身分証明書から主要情報を抽出

Aadhaar番号抽出F1値0.9890達成

文書処理

生年月日認識

文書から正確に生年月日情報を認識

生年月日抽出F1値0.9892達成

個人情報抽出

文書から氏名、性別などの個人情報を抽出

氏名抽出F1値0.9474、性別抽出F1値0.9892達成

🚀 lmv2-g-aadhaar-236doc-06-14

このモデルは、microsoft/layoutlmv2-base-uncased をNoneデータセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

損失: 0.0427
Aadhaar精度: 0.9783
Aadhaar再現率: 1.0
Aadhaar F1: 0.9890
Aadhaar番号: 45
Dob精度: 0.9787
Dob再現率: 1.0
Dob F1: 0.9892
Dob番号: 46
性別精度: 1.0
性別再現率: 0.9787
性別F1: 0.9892
性別番号: 47
名前精度: 0.9574
名前再現率: 0.9375
名前F1: 0.9474
名前番号: 48
全体精度: 0.9785
全体再現率: 0.9785
全体F1: 0.9785
全体正解率: 0.9939

🚀 クイックスタート

このモデルは、特定のタスクに対してmicrosoft/layoutlmv2-base-uncased をファインチューニングしたものです。以下に評価セットでの結果を示します。

📚 ドキュメント

モデルの説明

詳細な情報は今後追加予定です。

想定される用途と制限

詳細な情報は今後追加予定です。

学習と評価データ

詳細な情報は今後追加予定です。

学習手順

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

学習率: 4e-05
学習バッチサイズ: 1
評価バッチサイズ: 1
シード: 42
オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
学習率スケジューラの種類: 一定
エポック数: 30

学習結果

学習損失	エポック	ステップ	検証損失	Aadhaar精度	Aadhaar再現率	Aadhaar F1	Aadhaar番号	Dob精度	Dob再現率	Dob F1	Dob番号	性別精度	性別再現率	性別F1	性別番号	名前精度	名前再現率	名前F1	名前番号	全体精度	全体再現率	全体F1	全体正解率
1.0024	1.0	188	0.5819	0.9348	0.9556	0.9451	45	1.0	1.0	1.0	46	1.0	0.9574	0.9783	47	0.5172	0.625	0.5660	48	0.8410	0.8817	0.8609	0.9744
0.4484	2.0	376	0.3263	0.8980	0.9778	0.9362	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.6842	0.8125	0.7429	48	0.8838	0.9409	0.9115	0.9733
0.2508	3.0	564	0.2230	0.9318	0.9111	0.9213	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.8913	0.8542	0.8723	48	0.9560	0.9355	0.9457	0.9811
0.165	4.0	752	0.1728	0.9362	0.9778	0.9565	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.8444	0.7917	0.8172	48	0.9457	0.9355	0.9405	0.9844
0.1081	5.0	940	0.0987	0.8958	0.9556	0.9247	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	1.0	0.9167	0.9565	48	0.9728	0.9624	0.9676	0.9928
0.0834	6.0	1128	0.0984	0.8980	0.9778	0.9362	45	1.0	1.0	1.0	46	1.0	0.9574	0.9783	47	0.8148	0.9167	0.8627	48	0.9227	0.9624	0.9421	0.9833
0.0676	7.0	1316	0.0773	0.9362	0.9778	0.9565	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9111	0.8542	0.8817	48	0.9620	0.9516	0.9568	0.9894
0.0572	8.0	1504	0.0786	0.8235	0.9333	0.8750	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.8936	0.875	0.8842	48	0.9263	0.9462	0.9362	0.9872
0.0481	9.0	1692	0.0576	0.9375	1.0	0.9677	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9362	0.9167	0.9263	48	0.9679	0.9731	0.9705	0.99
0.0349	10.0	1880	0.0610	0.9574	1.0	0.9783	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.8958	0.8958	0.8958	48	0.9626	0.9677	0.9651	0.9894
0.0287	11.0	2068	0.0978	0.9091	0.8889	0.8989	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9348	0.8958	0.9149	48	0.9615	0.9409	0.9511	0.985
0.0297	12.0	2256	0.0993	0.9375	1.0	0.9677	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.7959	0.8125	0.8041	48	0.9312	0.9462	0.9387	0.9833
0.0395	13.0	2444	0.0824	0.9362	0.9778	0.9565	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.875	0.875	0.875	48	0.9519	0.9570	0.9544	0.9872
0.0333	14.0	2632	0.0788	0.8913	0.9111	0.9011	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9556	0.8958	0.9247	48	0.9617	0.9462	0.9539	0.9867
0.0356	15.0	2820	0.0808	0.84	0.9333	0.8842	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9565	0.9167	0.9362	48	0.9468	0.9570	0.9519	0.9867
0.0192	16.0	3008	0.0955	0.8462	0.9778	0.9072	45	0.9787	1.0	0.9892	46	0.9583	0.9787	0.9684	47	0.9070	0.8125	0.8571	48	0.9211	0.9409	0.9309	0.9822
0.016	17.0	3196	0.0936	0.9130	0.9333	0.9231	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9318	0.8542	0.8913	48	0.9615	0.9409	0.9511	0.9867
0.0218	18.0	3384	0.1009	0.9545	0.9333	0.9438	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.8571	0.875	0.8660	48	0.9514	0.9462	0.9488	0.9844
0.0165	19.0	3572	0.0517	0.9574	1.0	0.9783	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9333	0.875	0.9032	48	0.9728	0.9624	0.9676	0.9906
0.0198	20.0	3760	0.0890	0.9167	0.9778	0.9462	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9149	0.8958	0.9053	48	0.9572	0.9624	0.9598	0.9867
0.0077	21.0	3948	0.0835	0.9574	1.0	0.9783	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.88	0.9167	0.8980	48	0.9577	0.9731	0.9653	0.9872
0.0088	22.0	4136	0.0427	0.9783	1.0	0.9890	45	0.9787	1.0	0.9892	46	1.0	0.9787	0.9892	47	0.9574	0.9375	0.9474	48	0.9785	0.9785	0.9785	0.9939
0.0078	23.0	4324	0.0597	0.9574	1.0	0.9783	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.8654	0.9375	0.9	48	0.9529	0.9785	0.9655	0.9889
0.0178	24.0	4512	0.0524	0.9574	1.0	0.9783	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	1.0	0.875	0.9333	48	0.9890	0.9624	0.9755	0.9922
0.012	25.0	4700	0.0637	0.9375	1.0	0.9677	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.8491	0.9375	0.8911	48	0.9430	0.9785	0.9604	0.9867
0.0135	26.0	4888	0.0668	0.9184	1.0	0.9574	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.86	0.8958	0.8776	48	0.9424	0.9677	0.9549	0.9867
0.0123	27.0	5076	0.0713	0.9565	0.9778	0.9670	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9375	0.9375	0.9375	48	0.9731	0.9731	0.9731	0.9911
0.0074	28.0	5264	0.0675	0.9362	0.9778	0.9565	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9	0.9375	0.9184	48	0.9577	0.9731	0.9653	0.99
0.0051	29.0	5452	0.0713	0.9362	0.9778	0.9565	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9167	0.9167	0.9167	48	0.9626	0.9677	0.9651	0.9906
0.0027	30.0	5640	0.0725	0.9362	0.9778	0.9565	45	1.0	1.0	1.0	46	1.0	0.9787	0.9892	47	0.9167	0.9167	0.9167	48	0.9626	0.9677	0.9651	0.9906