🚀 文档理解模型（在DocLayNet基础数据集上按段落级别微调LiLT基础模型）
本模型是基于 nielsr/lilt-xlm-roberta-base 模型，使用 DocLayNet基础数据集 进行微调得到的。该模型在评估集上取得了以下成果：
- 损失值：0.4104
- 精确率：0.8634
- 召回率：0.8634
- F1值：0.8634
- 标记准确率：0.8634
- 段落准确率：0.6815
✨ 主要特性
- 多语言支持：支持多种语言，包括英语、德语、法语和日语等。
- 多任务能力：可用于目标检测、图像分割和标记分类等任务。
- 基于大规模数据集训练：使用DocLayNet基础数据集进行训练，该数据集包含来自多种文档类别的大量页面。
- 高精度表现：在评估集上取得了较高的F1值和准确率。
📚 详细文档
段落级准确率
- 段落准确率：68.15%
- 按标签划分的准确率
- 标题说明：22.82%
- 脚注：0.0%
- 公式：97.33%
- 列表项：8.42%
- 页面页脚：98.77%
- 页面页眉：77.81%
- 图片：39.16%
- 章节标题：76.17%
- 表格：37.7%
- 文本：86.78%
- 标题：0.0%
参考文献
博客文章
笔记本（段落级别）
笔记本（行级别）
应用程序
您可以使用Hugging Face Spaces中的此应用程序测试该模型：按段落级别进行文档理解的推理应用程序（v1）。
您也可以运行相应的笔记本：Document AI | 使用按段落级别微调的文档理解模型（在DocLayNet数据集上微调的LiLT模型）进行推理的应用程序
DocLayNet数据集
DocLayNet数据集（IBM）为来自6个文档类别的80863个唯一页面，使用边界框按页面提供了11个不同类别标签的布局分割真实标注。
截至目前，该数据集可以通过直接链接或作为Hugging Face数据集进行下载：
论文：DocLayNet: A Large Human-Annotated Dataset for Document-Layout Analysis（2022年6月2日）
模型描述
该模型是在 512个标记块（重叠128个标记）的段落级别上进行微调的。因此，该模型使用了数据集中所有页面的所有布局和文本数据进行训练。
在推理时，通过计算最佳概率为每个段落边界框分配标签。
推理
请参阅笔记本：Document AI | 使用按段落级别微调的文档理解模型（在DocLayNet数据集上微调的LiLT模型）进行推理
训练和评估数据
请参阅笔记本：Document AI | 在任何语言下按段落级别（512个标记块，有重叠）在DocLayNet基础数据集上微调LiLT
训练过程
训练超参数
训练期间使用了以下超参数：
- 学习率：2e-05
- 训练批次大小：8
- 评估批次大小：16
- 随机种子：42
- 优化器：Adam，β=(0.9, 0.999)，ε=1e-08
- 学习率调度器类型：线性
- 训练轮数：1
- 混合精度训练：原生自动混合精度（Native AMP）
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 |
0.05 |
100 |
0.9875 |
0.6585 |
0.6585 |
0.6585 |
0.6585 |
| 无记录 |
0.11 |
200 |
0.7886 |
0.7551 |
0.7551 |
0.7551 |
0.7551 |
| 无记录 |
0.16 |
300 |
0.5894 |
0.8248 |
0.8248 |
0.8248 |
0.8248 |
| 无记录 |
0.21 |
400 |
0.4794 |
0.8396 |
0.8396 |
0.8396 |
0.8396 |
| 0.7446 |
0.27 |
500 |
0.3993 |
0.8703 |
0.8703 |
0.8703 |
0.8703 |
| 0.7446 |
0.32 |
600 |
0.3631 |
0.8857 |
0.8857 |
0.8857 |
0.8857 |
| 0.7446 |
0.37 |
700 |
0.4096 |
0.8630 |
0.8630 |
0.8630 |
0.8630 |
| 0.7446 |
0.43 |
800 |
0.4492 |
0.8528 |
0.8528 |
0.8528 |
0.8528 |
| 0.7446 |
0.48 |
900 |
0.3839 |
0.8834 |
0.8834 |
0.8834 |
0.8834 |
| 0.4464 |
0.53 |
1000 |
0.4365 |
0.8498 |
0.8498 |
0.8498 |
0.8498 |
| 0.4464 |
0.59 |
1100 |
0.3616 |
0.8812 |
0.8812 |
0.8812 |
0.8812 |
| 0.4464 |
0.64 |
1200 |
0.3949 |
0.8796 |
0.8796 |
0.8796 |
0.8796 |
| 0.4464 |
0.69 |
1300 |
0.4184 |
0.8613 |
0.8613 |
0.8613 |
0.8613 |
| 0.4464 |
0.75 |
1400 |
0.4130 |
0.8743 |
0.8743 |
0.8743 |
0.8743 |
| 0.3672 |
0.8 |
1500 |
0.4535 |
0.8289 |
0.8289 |
0.8289 |
0.8289 |
| 0.3672 |
0.85 |
1600 |
0.3681 |
0.8713 |
0.8713 |
0.8713 |
0.8713 |
| 0.3672 |
0.91 |
1700 |
0.3446 |
0.8857 |
0.8857 |
0.8857 |
0.8857 |
| 0.3672 |
0.96 |
1800 |
0.4104 |
0.8634 |
0.8634 |
0.8634 |
0.8634 |
框架版本
- Transformers 4.26.1
- Pytorch 1.13.1+cu116
- Datasets 2.9.0
- Tokenizers 0.13.2
其他模型
📄 许可证
本项目采用MIT许可证。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Safetensors
Transformers 支持多种语言