К содержимому
Другое

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())
ПодробнееБенчмарк: 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).
Обсудить Telegram 0 68

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # avbiswas/yolo11n-doclaynet
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download avbiswas/yolo11n-doclaynet --local-dir ~/models/yolo11n-doclaynet
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к yolo11n-doclaynet
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии yolo11n-doclaynet — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

avbiswas/yolo11n-doclaynet
Автор
avbiswas
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

680

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии