LayoutLM用于视觉问答

这是针对文档问答任务进行微调的多模态 LayoutLM 模型的版本。它经过了 SQuAD2.0 和 DocVQA 数据集的微调。

开始使用模型

要运行这些示例，您必须除了 transformers 之外还安装了 PIL ， pytesseract 和 PyTorch 。

from transformers import pipeline

nlp = pipeline(
    "document-question-answering",
    model="impira/layoutlm-document-qa",
)

nlp(
    "https://templates.invoicehome.com/invoice-template-us-neat-750px.png",
    "What is the invoice number?"
)
# {'score': 0.9943977, 'answer': 'us-001', 'start': 15, 'end': 15}

nlp(
    "https://miro.medium.com/max/787/1*iECQRIiOGTmEFLdWkVIH2g.jpeg",
    "What is the purchase amount?"
)
# {'score': 0.9912159, 'answer': '$1,000,000,000', 'start': 97, 'end': 97}

nlp(
    "https://www.accountingcoach.com/wp-content/uploads/2013/10/income-statement-example@2x.png",
    "What are the 2020 net sales?"
)
# {'score': 0.59147286, 'answer': '$ 3,750', 'start': 19, 'end': 20}

注意：此模型和流程最近通过 PR #18407 和 PR #18414 添加到transformers中，因此您需要使用transformers的最新版本，例如：

pip install git+https://github.com/huggingface/transformers.git@2ef774211733f0acf8d3415f9284c49ef219e991

关于我们

此模型是由 Impira 团队创建的。