YOLO11n DocLayNet
компактная модель для разметки документов
2 мин чтенияобновлено
YOLO11n DocLayNet — это легковесная нейросеть на базе Ultralytics YOLO11 (содержищая всего 2.6 млн параметров), предназначенная для детекции различных элементов структуры на страницах документов. Модель выделяет текст, таблицы, заголовки, формулы, картинки и другие блоки в PDF-файлах и сканах. Несмотря на миниатюрный размер, она превосходит более крупную стандартную модель YOLO11s на бенчмарке DocLayNet. Такая высокая точность при скромных требованиях к железу пригодится разработчикам систем автоматического извлечения данных и парсинга документов.
Ключевые особенности
- Компактная архитектура YOLO11n с 2.6 млн параметров, превосходящая YOLO11s.
- Поддержка 11 категорий разметки: текст, таблицы, заголовки, формулы и футеры.
- Высокая точность 0.760 mAP50-95 на тестовом датасете DocLayNet.
- Оптимизация для работы со страницами документов в разрешении 1024 пикселя.
Что можно сделать
- Автоматически размечать страницы научных статей, финансовых отчетов и патентов.
- Интегрировать модель в пайплайны OCR и извлечения контента из PDF.
- Экспортировать веса в форматы ONNX для ускорения инференса.
Пример запуска
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
model = YOLO(hf_hub_download("avbiswas/yolo11n-doclaynet", "yolo11n-doclaynet.pt"))
results = model.predict("page.png", imgsz=1024, conf=0.25)
for box in results[0].boxes:
print(model.names[int(box.cls)], float(box.conf), box.xyxy.tolist())
Подробнее
Бенчмарк: 0.760 mAP50-95 на 2500 страницах DocLayNet.Обучение: 22 эпохи на одном A100 с датасетом из 69 тыс. страниц.
Ограничения: слайды, формы и рукописный текст не поддерживаются.
Лицензия: AGPL-3.0 (унаследована от Ultralytics).










Комментарии