---
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)
1. `Figure` (Hình ảnh/Hình vẽ)
2. `Icon` (Biểu tượng)
3. `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](https://github.com/Peterande/D-FINE).

**Bước 1: Clone D-FINE repository**
```bash
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:
```bash
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`.