Layoutlm Document Qa

🚀 LayoutLM用於視覺問答

這是多模態 LayoutLM 模型的微調版本，用於文檔問答任務。它使用 SQuAD2.0 和 DocVQA 數據集進行了微調。

🚀 快速開始

環境準備

要運行這些示例，除了 transformers 之外，你還必須安裝 PIL、pytesseract 和 PyTorch。

代碼示例

from transformers import pipeline

nlp = pipeline(
    "document-question-answering",
    model="impira/layoutlm-document-qa",
)

nlp(
    "https://templates.invoicehome.com/invoice-template-us-neat-750px.png",
    "What is the invoice number?"
)
# {'score': 0.9943977, 'answer': 'us-001', 'start': 15, 'end': 15}

nlp(
    "https://miro.medium.com/max/787/1*iECQRIiOGTmEFLdWkVIH2g.jpeg",
    "What is the purchase amount?"
)
# {'score': 0.9912159, 'answer': '$1,000,000,000', 'start': 97, 'end': 97}

nlp(
    "https://www.accountingcoach.com/wp-content/uploads/2013/10/income-statement-example@2x.png",
    "What are the 2020 net sales?"
)
# {'score': 0.59147286, 'answer': '$ 3,750', 'start': 19, 'end': 20}

注意事項

⚠️ 重要提示

該模型和管道最近通過 PR #18407 和 PR #18414 集成到了 transformers 中，因此你需要使用 transformers 的最新版本，例如：

pip install git+https://github.com/huggingface/transformers.git@2ef774211733f0acf8d3415f9284c49ef219e991

✨ 主要特性

• 基於多模態 LayoutLM 模型進行微調，適用於文檔問答任務。
• 使用 SQuAD2.0 和 DocVQA 數據集進行訓練。

📄 許可證

本項目採用 MIT 許可證。

📚 詳細文檔

該模型由 Impira 團隊創建。

信息表格