PP-DocLayoutV3 Vietnamese
разметка вьетнамских документов
2 min read
Это дообученная версия PP-DocLayoutV3 — модели анализа разметки и порядка чтения документов. Адаптирована под вьетнамские административные документы, юридические указы, учебники, договоры и сканы форм; около 0.03 млрд параметров. Модель работает как единый layout-движок PaddleOCR-VL 1.5/1.6 и за один проход предсказывает элементы разметки, полигоны и логический порядок чтения.
Ключевые особенности
- 25 классов разметки: заголовок документа, заголовок абзаца, текст, таблица, подпись к рисунку, колонтитулы, номер страницы, сноска, печать и другие.
- Порядок чтения: для каждого блока предсказывается индекс
order, чтобы восстановить линейный поток документа. - Полигональная сегментация: многоточечные контуры для наклонных, искривлённых и нетипичных элементов.
- Два формата весов: нативные артефакты PaddlePaddle и веса
safetensorsдля Hugging Face. - Один forward pass: элементы, контуры и порядок чтения предсказываются сразу.
Пример
from huggingface_hub import snapshot_download
from paddlex import create_model
model_dir = snapshot_download(repo_id="tieubaoca/PP-DocLayoutV3-Vietnamese")
model = create_model(model_name="PP-DocLayoutV3", model_dir=model_dir, device="gpu:0")
results = model.predict("path/to/document.jpg", batch_size=1)
for res in results:
res.save_to_json(save_path="./output/res.json")
Подробнее
Валидация на лучшем чекпоинте (эпоха 17): bbox mAP@[IoU=0.50:0.95] — 0.7828, AP@0.50 — 0.8620, AR — 0.8810.Обучение: 91 страница / 849 элементов, валидация — 10 страниц / 115 элементов; RTX 5060 Ti 16 ГБ, batch size 1, LR 1e-4.
В репозитории есть PaddlePaddle static (~124 МБ) и safetensors (~128 МБ), а также чекпоинт.
Ограничение: дообучение на небольшом наборе вьетнамских документов.










Comments