开源layoutlmv3-finetuned-invoice模型 - 高效提取发票信息，在SROIE数据集表现优

首页

Layoutlmv3 Finetuned Invoice

由 ronak1998 开发

基于LayoutLMv3架构微调的发票信息提取模型，在SROIE数据集上表现出色

文字识别

Transformers

#发票识别 #高精度OCR #文档理解

下载量 71

发布时间 : 6/10/2022

模型简介

该模型专门用于从发票文档中提取关键信息，如日期、金额、商家信息等，支持结构化数据提取

模型特点

高精度信息提取

在SROIE测试集上达到接近完美的精确率（1.0）和召回率（0.998）

布局感知

结合文本内容和文档布局信息进行更准确的实体识别

端到端处理

可直接处理原始文档图像，无需复杂的预处理流程

模型能力

发票信息提取

文档实体识别

结构化数据生成

使用案例

财务自动化

发票数据处理

自动从扫描发票中提取关键字段（金额、日期、税号等）

减少人工录入错误，处理速度提升90%以上

文档管理

文档数字化

将纸质发票转换为结构化数据

实现文档内容的可搜索和可分析

🚀 layoutlmv3-finetuned-invoice

该模型是在sroie数据集上对microsoft/layoutlmv3-base进行微调后的版本。它在解决发票相关的信息提取等任务上表现出色，能够准确识别发票中的关键信息，为发票处理流程提供高效、准确的支持。

🚀 快速开始

此模型是 microsoft/layoutlmv3-base 在 sroie 数据集上的微调版本。它在评估集上取得了以下结果：

损失值：0.0030
精确率：1.0
召回率：0.9980
F1值：0.9990
准确率：0.9998

📚 详细文档

训练过程

训练超参数

训练过程中使用了以下超参数：

学习率：1e - 05
训练批次大小：2
评估批次大小：2
随机种子：42
优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
学习率调度器类型：线性
训练步数：2000

训练结果

训练损失	轮数	步数	验证损失	精确率	召回率	F1值	准确率
无记录	2.0	100	0.0715	0.972	0.9858	0.9789	0.9971
无记录	4.0	200	0.0228	0.972	0.9858	0.9789	0.9971
无记录	6.0	300	0.0174	0.972	0.9858	0.9789	0.9971
无记录	8.0	400	0.0137	0.972	0.9858	0.9789	0.9971
0.1189	10.0	500	0.0122	0.972	0.9858	0.9789	0.9971
0.1189	12.0	600	0.0112	0.972	0.9858	0.9789	0.9971
0.1189	14.0	700	0.0080	0.972	0.9858	0.9789	0.9971
0.1189	16.0	800	0.0100	0.972	0.9858	0.9789	0.9971
0.1189	18.0	900	0.0040	0.9960	0.9980	0.9970	0.9996
0.0097	20.0	1000	0.0030	1.0	0.9980	0.9990	0.9998
0.0097	22.0	1100	0.0028	0.9980	0.9959	0.9970	0.9996
0.0097	24.0	1200	0.0016	1.0	1.0	1.0	1.0
0.0097	26.0	1300	0.0015	1.0	1.0	1.0	1.0
0.0097	28.0	1400	0.0015	0.9980	0.9980	0.9980	0.9998
0.0029	30.0	1500	0.0017	0.9980	0.9980	0.9980	0.9998
0.0029	32.0	1600	0.0026	0.9960	0.9980	0.9970	0.9996
0.0029	34.0	1700	0.0026	0.9960	0.9980	0.9970	0.9996
0.0029	36.0	1800	0.0026	0.9960	0.9980	0.9970	0.9996
0.0029	38.0	1900	0.0025	0.9960	0.9980	0.9970	0.9996
0.002	40.0	2000	0.0026	0.9960	0.9980	0.9970	0.9996

框架版本

Transformers 4.20.0.dev0
Pytorch 1.11.0+cu113
Datasets 2.2.2
Tokenizers 0.12.1

🔧 技术细节

模型评估指标

属性	详情
模型类型	用于标记分类的微调模型
训练数据	sroie数据集

模型在评估集上的各项指标表现优秀，精确率达到了 1.0，说明模型在预测正样本时的准确性极高；召回率为 0.9980，表明模型能够较好地找出所有正样本；F1 值为 0.9990，综合衡量了精确率和召回率；准确率为 0.9998，反映了模型整体的预测准确性。这些指标表明该模型在标记分类任务上具有出色的性能。