Donut Base Finetuned Docvqa
Donut是一種無需OCR的文檔理解Transformer模型,基於DocVQA數據集微調,能夠直接從圖像中提取和理解文本信息。
下載量 167.80k
發布時間 : 7/19/2022
模型概述
該模型由視覺編碼器(Swin Transformer)和文本解碼器(BART)組成,能夠直接從文檔圖像中生成文本回答,無需傳統OCR預處理步驟。
模型特點
無需OCR處理
直接處理文檔圖像,避免了傳統OCR流程中的錯誤累積問題
端到端訓練
視覺編碼器和文本解碼器聯合訓練,實現圖像到文本的直接轉換
文檔理解能力
專門針對文檔圖像優化,能夠理解發票、合同等結構化文檔內容
模型能力
文檔圖像理解
視覺問答
文本信息提取
圖像轉文本
使用案例
文檔處理
發票信息提取
從發票圖像中提取號碼、金額等關鍵信息
可準確識別結構化文檔中的特定字段
合同條款查詢
回答關於合同文檔內容的特定問題
能夠理解合同文檔中的關鍵條款內容
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98