LayoutLMv3

Microsoft Document AI | GitHub

模型描述

LayoutLMv3是一种用于文档AI的预训练多模态Transformer，具有统一的文本和图像遮盖。简洁的统一架构和训练目标使得LayoutLMv3成为一个通用的预训练模型。例如，LayoutLMv3可以针对以文本为中心的任务进行微调，包括表单理解、收据理解和文档视觉问答，以及以图像为中心的任务，如文档图像分类和文档布局分析。

LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking Yupan Huang, Tengchao Lv, Lei Cui, Yutong Lu, Furu Wei, Preprint 2022.

结果

Dataset	Language	Precision	Recall	F1
1234321	ZH	0.8980	0.9435	0.9202

Dataset	Subject	Test Time	Name	School	Examination Number	Seat Number	Class	Student Number	Grade	Score	Mean
1235321	98.99	100.0	99.77	99.2	100.0	100.0	98.82	99.78	98.31	97.27	99.21

引用

如果您在研究中发现LayoutLM很有用，请引用以下论文：

@inproceedings{huang2022layoutlmv3,
  author={Yupan Huang and Tengchao Lv and Lei Cui and Yutong Lu and Furu Wei},
  title={LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking},
  booktitle={Proceedings of the 30th ACM International Conference on Multimedia},
  year={2022}
}

许可证

本项目的内容本身受 Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) 许可。部分源代码基于 transformers 项目。 Microsoft Open Source Code of Conduct

作者:

Microsoft

数据集大小:

1.04 GB