# ドキュメント画像分類

このモデルはmicrosoft/dit-base-finetuned-rvlcdipを画像フォルダ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、主に画像分類タスクに使用されます。

ViTアーキテクチャに基づく画像分類モデルで、画像にテキストが含まれているかどうか、およびテキストの種類（ラテン文字、中国語、アラビア語）を識別するために使用されます

DonutはOCRを必要としないドキュメント理解Transformerモデルで、ビジュアルエンコーダーとテキストデコーダーを組み合わせてドキュメント画像を処理します。