LayoutLMv3-finetuned-sroieオープンソース文書理解モデル - スキャン文書から無料で構造化情報を抽出

ホーム

Layoutlmv3 Finetuned Sroie

Theivaprakashamによって開発

マイクロソフトのLayoutLMv3-baseモデルをSROIEデータセットでファインチューニングした文書理解モデルで、スキャン文書からの構造化情報抽出に優れています

文字認識

Transformers

#文書情報抽出 #高精度OCR #構造化データ認識

ダウンロード数 409

リリース時間 : 6/7/2022

モデル概要

このモデルは文書情報抽出タスク専用で、領収書などの文書内の日付、金額、店舗情報などのキーフィールドを識別・分類できます

モデル特徴

高精度文書理解

SROIEデータセットで94%のF1値を達成、領収書のキー情報を正確に識別

マルチモーダル処理能力

テキスト内容と視覚的レイアウト情報を同時処理し、文書理解効果を向上

エンドツーエンドトレーニング

複雑な前処理なしに元の文書画像から直接情報抽出をサポート

モデル能力

領収書情報抽出

文書エンティティ認識

構造化データ生成

視覚的テキスト理解

使用事例

財務自動化

領収書情報デジタル化

スキャン領収書から店舗、金額、日付などの情報を自動抽出

精度99%以上、F1値94%達成

文書処理

請求書情報抽出

請求書内のキーフィールドを識別し構造化データを生成

🚀 layoutlmv3-finetuned-sroie

このモデルは、microsoft/layoutlmv3-base を sroie データセットでファインチューニングしたものです。評価セットでは以下の結果を達成しています。

損失: 0.0426
精度: 0.9371
再現率: 0.9438
F1スコア: 0.9404
正解率: 0.9945

📚 ドキュメント

モデルの詳細

このモデルは、Token Classification タスクに特化しており、sroie データセットを使用して訓練されています。以下は、モデルの評価指標です。

指標	値
精度	0.9370529327610873
再現率	0.9438040345821326
F1スコア	0.9404163675520459
正解率	0.9945347083116948

訓練と評価データ

モデルは sroie データセットを使用して訓練されています。

訓練手順

訓練ハイパーパラメータ

訓練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: 1e-05
訓練バッチサイズ: 2
評価バッチサイズ: 2
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: 線形
訓練ステップ数: 5000

訓練結果

訓練損失	エポック	ステップ	検証損失	精度	再現率	F1スコア	正解率
No log	0.32	100	0.1127	0.6466	0.6102	0.6279	0.9729
No log	0.64	200	0.0663	0.8215	0.7428	0.7802	0.9821
No log	0.96	300	0.0563	0.8051	0.8718	0.8371	0.9855
No log	1.28	400	0.0470	0.8766	0.8595	0.8680	0.9895
0.1328	1.6	500	0.0419	0.8613	0.9128	0.8863	0.9906
0.1328	1.92	600	0.0338	0.8888	0.9099	0.8993	0.9926
0.1328	2.24	700	0.0320	0.8690	0.9467	0.9062	0.9929
0.1328	2.56	800	0.0348	0.8960	0.9438	0.9193	0.9931
0.1328	2.88	900	0.0300	0.9169	0.9460	0.9312	0.9942
0.029	3.19	1000	0.0281	0.9080	0.9452	0.9262	0.9942
0.029	3.51	1100	0.0259	0.9174	0.9438	0.9304	0.9945
0.029	3.83	1200	0.0309	0.9207	0.9532	0.9366	0.9944
0.029	4.15	1300	0.0366	0.9195	0.9388	0.9291	0.9940
0.029	4.47	1400	0.0302	0.9343	0.9424	0.9383	0.9949
0.0174	4.79	1500	0.0349	0.9142	0.9517	0.9326	0.9939
0.0174	5.11	1600	0.0327	0.9322	0.9510	0.9415	0.9950
0.0174	5.43	1700	0.0317	0.9215	0.9561	0.9385	0.9938
0.0174	5.75	1800	0.0385	0.9282	0.9316	0.9299	0.9940
0.0174	6.07	1900	0.0342	0.9235	0.9481	0.9357	0.9944
0.0117	6.39	2000	0.0344	0.9287	0.9474	0.9379	0.9944
0.0117	6.71	2100	0.0388	0.9232	0.9445	0.9338	0.9941
0.0117	7.03	2200	0.0325	0.9269	0.9496	0.9381	0.9949
0.0117	7.35	2300	0.0343	0.9225	0.9438	0.9330	0.9941
0.0117	7.67	2400	0.0372	0.9216	0.9481	0.9347	0.9944
0.0081	7.99	2500	0.0385	0.9192	0.9589	0.9386	0.9944
0.0081	8.31	2600	0.0376	0.9293	0.9467	0.9379	0.9944
0.0081	8.63	2700	0.0425	0.9261	0.9474	0.9366	0.9941
0.0081	8.95	2800	0.0407	0.9266	0.9452	0.9358	0.9941
0.0081	9.27	2900	0.0403	0.9280	0.9467	0.9372	0.9941
0.0055	9.58	3000	0.0364	0.9287	0.9474	0.9379	0.9948
0.0055	9.9	3100	0.0427	0.9122	0.9510	0.9312	0.9941
0.0055	10.22	3200	0.0394	0.9223	0.9488	0.9354	0.9943
0.0055	10.54	3300	0.0393	0.9247	0.9561	0.9401	0.9945
0.0055	10.86	3400	0.0413	0.9334	0.9496	0.9414	0.9945
0.0049	11.18	3500	0.0400	0.9290	0.9517	0.9402	0.9945
0.0049	11.5	3600	0.0412	0.9317	0.9539	0.9427	0.9945
0.0049	11.82	3700	0.0419	0.9314	0.9481	0.9397	0.9947
0.0049	12.14	3800	0.0452	0.9243	0.9503	0.9371	0.9941
0.0049	12.46	3900	0.0412	0.9334	0.9496	0.9414	0.9947
0.0039	12.78	4000	0.0438	0.9294	0.9481	0.9387	0.9941
0.0039	13.1	4100	0.0416	0.9326	0.9467	0.9396	0.9944
0.0039	13.42	4200	0.0418	0.9327	0.9488	0.9407	0.9948
0.0039	13.74	4300	0.0423	0.9345	0.9460	0.9402	0.9946
0.0039	14.06	4400	0.0419	0.9286	0.9467	0.9376	0.9947
0.0022	14.38	4500	0.0426	0.9371	0.9438	0.9404	0.9945
0.0022	14.7	4600	0.0424	0.9371	0.9445	0.9408	0.9947
0.0022	15.02	4700	0.0427	0.9372	0.9467	0.9419	0.9947
0.0022	15.34	4800	0.0431	0.9339	0.9460	0.9399	0.9945
0.0022	15.65	4900	0.0431	0.9346	0.9467	0.9406	0.9946
0.0015	15.97	5000	0.0434	0.9324	0.9445	0.9384	0.9945