Upload README_HF.md with huggingface_hub
Browse files- README_HF.md +59 -0
README_HF.md
ADDED
|
@@ -0,0 +1,59 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
license: apache-2.0
|
| 3 |
+
tags:
|
| 4 |
+
- object-detection
|
| 5 |
+
- computer-vision
|
| 6 |
+
- d-fine
|
| 7 |
+
- document-layout-analysis
|
| 8 |
+
metrics:
|
| 9 |
+
- map
|
| 10 |
+
---
|
| 11 |
+
|
| 12 |
+
# D-FINE Layout Detection Model (HGNetv2-X)
|
| 13 |
+
|
| 14 |
+
## Model Details
|
| 15 |
+
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**).
|
| 16 |
+
|
| 17 |
+
- **Task:** Object Detection (Phát hiện vật thể)
|
| 18 |
+
- **Architecture:** D-FINE (HGNetv2-X)
|
| 19 |
+
- **Epochs Trained:** 80 Epochs (Gồm 72 epochs Stage 1 và 8 epochs Stage 2 tinh chỉnh)
|
| 20 |
+
|
| 21 |
+
## Dataset
|
| 22 |
+
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:
|
| 23 |
+
0. `Object-detection` (Lớp bao trùm)
|
| 24 |
+
1. `Figure` (Hình ảnh/Hình vẽ)
|
| 25 |
+
2. `Icon` (Biểu tượng)
|
| 26 |
+
3. `Table` (Bảng biểu)
|
| 27 |
+
|
| 28 |
+
## Evaluation Results
|
| 29 |
+
Kết quả đạt được trên tập Validation sau khi kết thúc Stage 2 (tinh chỉnh tọa độ mịn):
|
| 30 |
+
- **mAP @ [0.50:0.95]:** 83.75%
|
| 31 |
+
- **mAP @ 0.50:** 91.82%
|
| 32 |
+
- **mAP @ 0.75:** 89.66%
|
| 33 |
+
- **AP (Medium Objects):** 87.03%
|
| 34 |
+
- **AP (Large Objects):** 83.84%
|
| 35 |
+
- **Recall (AR @ 100):** 93.48%
|
| 36 |
+
|
| 37 |
+
## How to Use
|
| 38 |
+
Để sử dụng mô hình này, bạn cần tải xuống mã nguồn của [D-FINE](https://github.com/Peterande/D-FINE).
|
| 39 |
+
|
| 40 |
+
**Bước 1: Clone D-FINE repository**
|
| 41 |
+
```bash
|
| 42 |
+
git clone https://github.com/Peterande/D-FINE.git
|
| 43 |
+
cd D-FINE
|
| 44 |
+
pip install -r requirements.txt
|
| 45 |
+
```
|
| 46 |
+
|
| 47 |
+
**Bước 2: Tải file cấu hình & trọng số**
|
| 48 |
+
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.
|
| 49 |
+
|
| 50 |
+
**Bước 3: Chạy Suy luận (Inference)**
|
| 51 |
+
Sử dụng script có sẵn của D-FINE để chạy nhận diện trên một tài liệu, hình ảnh hoặc video:
|
| 52 |
+
```bash
|
| 53 |
+
python tools/inference/torch_inf.py \
|
| 54 |
+
-c configs/dfine/custom/dfine_hgnetv2_x_custom.yml \
|
| 55 |
+
-r model.pth \
|
| 56 |
+
-i path/to/your/document_image.jpg \
|
| 57 |
+
-d cuda:0
|
| 58 |
+
```
|
| 59 |
+
Kết quả nhận diện sẽ được lưu thành tệp `torch_results.jpg`.
|