layoutlmv2-finetuned-sroie開源模型 - 高效從收據文檔提取關鍵信息

首頁

Layoutlmv2 Finetuned Sroie

由Theivaprakasham開發

基於LayoutLMv2架構在SROIE數據集上微調的文檔信息提取模型，擅長從收據文檔中提取關鍵字段

序列標註

Transformers

#文檔信息提取 #高精度OCR #發票識別

下載量 71

發布時間 : 3/2/2022

模型概述

該模型專門用於從掃描收據或發票中提取結構化信息，如公司名稱、地址、日期和總金額等關鍵字段

模型特點

高精度字段提取

在收據關鍵字段提取任務上達到95%以上的F1值

多模態理解

結合文本內容和文檔佈局信息進行綜合分析

領域適配

專門針對收據信息提取場景進行優化

模型能力

收據文本識別

結構化信息提取

文檔佈局分析

多字段聯合識別

使用案例

財務自動化

收據信息數字化

自動從掃描收據中提取關鍵業務信息

減少人工錄入工作量，準確率達95%以上

文檔處理

發票信息提取

批量處理發票文檔並提取結構化數據

支持公司、日期、金額等關鍵字段的高效提取

🚀 layoutlmv2-finetuned-sroie

本模型是 microsoft/layoutlmv2-base-uncased 在 sroie 數據集上的微調版本。它在評估集上取得了以下結果：

損失值：0.0291
地址精確率：0.9341
地址召回率：0.9395
地址 F1 值：0.9368
地址數量：347
公司精確率：0.9570
公司召回率：0.9625
公司 F1 值：0.9598
公司數量：347
日期精確率：0.9885
日期召回率：0.9885
日期 F1 值：0.9885
日期數量：347
總計精確率：0.9253
總計召回率：0.9280
總計 F1 值：0.9266
總計數量：347
整體精確率：0.9512
整體召回率：0.9546
整體 F1 值：0.9529
整體準確率：0.9961

📚 詳細文檔

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

學習率：5e-05
訓練批次大小：8
評估批次大小：8
隨機種子：42
優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
學習率調度器類型：線性
學習率調度器預熱比例：0.1
訓練步數：3000
混合精度訓練：原生自動混合精度（Native AMP）

訓練結果

訓練損失	輪數	步數	驗證損失	地址精確率	地址召回率	地址 F1 值	地址數量	公司精確率	公司召回率	公司 F1 值	公司數量	日期精確率	日期召回率	日期 F1 值	日期數量	總計精確率	總計召回率	總計 F1 值	總計數量	整體精確率	整體召回率	整體 F1 值	整體準確率
無日誌記錄	0.05	157	0.8162	0.3670	0.7233	0.4869	347	0.0617	0.0144	0.0234	347	0.0	0.0	0.0	347	0.0	0.0	0.0	347	0.3346	0.1844	0.2378	0.9342
無日誌記錄	1.05	314	0.3490	0.8564	0.8934	0.8745	347	0.8610	0.9280	0.8932	347	0.7297	0.8559	0.7878	347	0.0	0.0	0.0	347	0.8128	0.6693	0.7341	0.9826
無日誌記錄	2.05	471	0.1845	0.7970	0.9049	0.8475	347	0.9211	0.9424	0.9316	347	0.9885	0.9885	0.9885	347	0.0	0.0	0.0	347	0.8978	0.7089	0.7923	0.9835
0.7027	3.05	628	0.1194	0.9040	0.9222	0.9130	347	0.8880	0.9135	0.9006	347	0.9885	0.9885	0.9885	347	0.0	0.0	0.0	347	0.9263	0.7061	0.8013	0.9853
0.7027	4.05	785	0.0762	0.9397	0.9424	0.9410	347	0.8889	0.9222	0.9052	347	0.9885	0.9885	0.9885	347	0.7740	0.9078	0.8355	347	0.8926	0.9402	0.9158	0.9928
0.7027	5.05	942	0.0564	0.9282	0.9308	0.9295	347	0.9296	0.9510	0.9402	347	0.9885	0.9885	0.9885	347	0.7801	0.8588	0.8176	347	0.9036	0.9323	0.9177	0.9946
0.0935	6.05	1099	0.0548	0.9222	0.9222	0.9222	347	0.6975	0.7378	0.7171	347	0.9885	0.9885	0.9885	347	0.8608	0.8732	0.8670	347	0.8648	0.8804	0.8725	0.9921
0.0935	7.05	1256	0.0410	0.92	0.9280	0.9240	347	0.9486	0.9568	0.9527	347	0.9885	0.9885	0.9885	347	0.9091	0.9222	0.9156	347	0.9414	0.9488	0.9451	0.9961
0.0935	8.05	1413	0.0369	0.9368	0.9395	0.9381	347	0.9569	0.9597	0.9583	347	0.9772	0.9885	0.9828	347	0.9143	0.9222	0.9182	347	0.9463	0.9524	0.9494	0.9960
0.038	9.05	1570	0.0343	0.9282	0.9308	0.9295	347	0.9624	0.9597	0.9610	347	0.9885	0.9885	0.9885	347	0.9206	0.9020	0.9112	347	0.9500	0.9452	0.9476	0.9958
0.038	10.05	1727	0.0317	0.9395	0.9395	0.9395	347	0.9598	0.9625	0.9612	347	0.9885	0.9885	0.9885	347	0.9280	0.9280	0.9280	347	0.9539	0.9546	0.9543	0.9963
0.038	11.05	1884	0.0312	0.9368	0.9395	0.9381	347	0.9514	0.9597	0.9555	347	0.9885	0.9885	0.9885	347	0.9226	0.9280	0.9253	347	0.9498	0.9539	0.9518	0.9960
0.0236	12.05	2041	0.0318	0.9368	0.9395	0.9381	347	0.9570	0.9625	0.9598	347	0.9885	0.9885	0.9885	347	0.9043	0.8991	0.9017	347	0.9467	0.9474	0.9471	0.9956
0.0236	13.05	2198	0.0291	0.9337	0.9337	0.9337	347	0.9598	0.9625	0.9612	347	0.9885	0.9885	0.9885	347	0.9164	0.9164	0.9164	347	0.9496	0.9503	0.9499	0.9960
0.0236	14.05	2355	0.0300	0.9286	0.9366	0.9326	347	0.9459	0.9568	0.9513	347	0.9885	0.9885	0.9885	347	0.9275	0.9222	0.9249	347	0.9476	0.9510	0.9493	0.9959
0.0178	15.05	2512	0.0307	0.9366	0.9366	0.9366	347	0.9513	0.9568	0.9540	347	0.9885	0.9885	0.9885	347	0.9275	0.9222	0.9249	347	0.9510	0.9510	0.9510	0.9959
0.0178	16.05	2669	0.0300	0.9312	0.9366	0.9339	347	0.9543	0.9625	0.9584	347	0.9885	0.9885	0.9885	347	0.9171	0.9251	0.9211	347	0.9477	0.9532	0.9504	0.9959
0.0178	17.05	2826	0.0292	0.9368	0.9395	0.9381	347	0.9570	0.9625	0.9598	347	0.9885	0.9885	0.9885	347	0.9253	0.9280	0.9266	347	0.9519	0.9546	0.9532	0.9961
0.0178	18.05	2983	0.0291	0.9341	0.9395	0.9368	347	0.9570	0.9625	0.9598	347	0.9885	0.9885	0.9885	347	0.9253	0.9280	0.9266	347	0.9512	0.9546	0.9529	0.9961
0.0149	19.01	3000	0.0291	0.9341	0.9395	0.9368	347	0.9570	0.9625	0.9598	347	0.9885	0.9885	0.9885	347	0.9253	0.9280	0.9266	347	0.9512	0.9546	0.9529	0.9961