license: apache-2.0
tags:
- object-detection
- computer-vision
- d-fine
- document-layout-analysis
metrics:
- map
D-FINE Layout Detection Model (HGNetv2-X)
Model Details
Đây là mô hình nhận diện các phần tử trong tài liệu (Document Layout Analysis) được huấn luyện dựa trên kiến trúc D-FINE tiên tiến (phiên bản cấu hình X cỡ lớn sử dụng backbone HGNetv2-B5).
- Task: Object Detection (Phát hiện vật thể)
- Architecture: D-FINE (HGNetv2-X)
- Epochs Trained: 80 Epochs (Gồm 72 epochs Stage 1 và 8 epochs Stage 2 tinh chỉnh)
Dataset
Mô hình được huấn luyện trên tập dữ liệu tùy chỉnh bao gồm các lớp đối tượng (classes) thường gặp trong bố cục tài liệu:
0. Object-detection (Lớp bao trùm)
Figure(Hình ảnh/Hình vẽ)Icon(Biểu tượng)Table(Bảng biểu)
Evaluation Results
Kết quả đạt được trên tập Validation sau khi kết thúc Stage 2 (tinh chỉnh tọa độ mịn):
- mAP @ [0.50:0.95]: 83.75%
- mAP @ 0.50: 91.82%
- mAP @ 0.75: 89.66%
- AP (Medium Objects): 87.03%
- AP (Large Objects): 83.84%
- Recall (AR @ 100): 93.48%
How to Use
Để sử dụng mô hình này, bạn cần tải xuống mã nguồn của D-FINE.
Bước 1: Clone D-FINE repository
git clone https://github.com/Peterande/D-FINE.git
cd D-FINE
pip install -r requirements.txt
Bước 2: Tải file cấu hình & trọng số
Tải file model.pth, dfine_hgnetv2_x_custom.yml, và custom_detection.yml từ kho lưu trữ (repository) này và đặt vào các thư mục tương ứng trong dự án của bạn.
Bước 3: Chạy Suy luận (Inference) Sử dụng script có sẵn của D-FINE để chạy nhận diện trên một tài liệu, hình ảnh hoặc video:
python tools/inference/torch_inf.py \
-c configs/dfine/custom/dfine_hgnetv2_x_custom.yml \
-r model.pth \
-i path/to/your/document_image.jpg \
-d cuda:0
Kết quả nhận diện sẽ được lưu thành tệp torch_results.jpg.