К содержимому
Компьютерное зрение

qwen3.5-2b-receipt-invoice-extract-lora

извлечение данных из чеков и счетов в JSON

2 мин чтенияобновлено

Эта модель представляет собой LoRA (небольшую надстройку над базовой моделью) для визуально-языковой Qwen/Qwen3.5-2B от автора zackyalgiffari. Она принимает фотографию или скан чека либо счёта-фактуры и преобразует всю информацию с картинки в единый структурированный объект JSON по схеме разметки датасетов Donut. В отличие от базовой модели, которая при работе без дообучения придумывает собственные названия полей и получает 0.000 по метрике Field F1, адаптер строго соблюдает заданную структуру и выводит 100% валидный JSON. Решение пригодится разработчикам, автоматизирующим бухгалтерию, учёт расходов и оцифровку первичных документов.

Ключевые особенности

  • Строгая структура вывода: возвращает данные по схемам датасетов CORD (menu[].nm, total.total_price) и invoices-donut-data-v1 (header, items[], summary).
  • Высокая точность по значениям: на тестовой выборке из 126 документов адаптер поднял метрику Value F1 с 0.462 до 0.916, а Field F1 — с 0.000 до 0.886.
  • Работа с двумя типами документов: режим переключения между чеком и счётом задаётся всего одним словом в системном промпте (receipt или invoice).
  • Открытая лицензия: сам адаптер распространяется под лицензией Apache-2.0, как и базовая модель Qwen3.5-2B.

Что можно сделать

  • Автоматизировать учёт чеков: встроить модель в пайплайн обработки фотографий из супермаркетов и кафе для быстрого разбора позиций и итоговых сумм.
  • Оцифровывать счета на оплату: использовать для первичного парсинга инвойсов с автоматическим выделением шапки, списка товаров и итогов.
  • Развернуть локальный сервис: объединить веса с базовой моделью через merge_and_unload() из библиотеки peft для лёгкого инференса на одной видеокарте.

Пример

from peft import PeftModel
from transformers import AutoModelForImageTextToText, AutoProcessor

base = "Qwen/Qwen3.5-2B"
model = AutoModelForImageTextToText.from_pretrained(base, dtype="auto", device_map="auto")
model = PeftModel.from_pretrained(model, "zackyalgiffari/qwen3.5-2b-receipt-invoice-extract-lora").merge_and_unload()
processor = AutoProcessor.from_pretrained(base)
# В промпте передаётся: "Extract all fields from this receipt image. Respond with only a JSON object."
ПодробнееМетрики (100 чеков CORD и 26 счетов): валидный JSON — 100%, Field F1 — 0.886 (Lenient F1 — 0.921), полное совпадение документа (Exact match) — 38.9% (48.0% для чеков и 3.8% для счетов).
Железо и обучение: обучалась 2.5 часа на одной NVIDIA L4 (24 ГБ) с пиковым потреблением 11.7 GiB VRAM на 800 чеках CORD v2 (индонезийский язык) и 425 счетах.
Ограничения: поддерживает только две жёсткие схемы ключей; возможны единичные ошибки или пропуски символов в длинных кодах (IBAN), названиях и суммах — числа требуют проверки.
Обсудить Telegram 0 19

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.3 GB · готовые файлы5.2 GB
  • FP8 / INT8рекомендуемвеса 2.2 GB2.9 GB
  • 4-bitвеса 1.3 GB1.9 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.

Это LoRA: вместе с базовой моделью Qwen3.5-2B.

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.

    # zackyalgiffari/qwen3.5-2b-receipt-invoice-extract-lora
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Qwen/Qwen3.5-2B --local-dir ~/models/Qwen3.5-2B
    hf download zackyalgiffari/qwen3.5-2b-receipt-invoice-extract-lora --local-dir ~/models/qwen3.5-2b-receipt-invoice-extract-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-2B
  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

Нужна базовая модель

Qwen/Qwen3.5-2B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen3.5-2B-Baseоснова семьи
  2. Qwen3.5-2B
  3. qwen3.5-2b-receipt-invoice-extract-lora

Новые посты про версии Qwen3.5-2B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 10Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

zackyalgiffari/qwen3.5-2b-receipt-invoice-extract-lora
Автор
zackyalgiffari
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Qwen3-8B-heretic

Qwen3-8B-heretic