Spaces:
Running on Zero
Download README.md from seromy/laya-document-batch: direct link, hf CLI and curl.
- Browser
- Download file 3.6 kB
-
https://huggingface.co/spaces/seromy/laya-document-batch/resolve/main/README.md
- Command line
-
hf download hf://spaces/seromy/laya-document-batch/README.md
-
curl -L -o README.md https://huggingface.co/spaces/seromy/laya-document-batch/resolve/main/README.md
A newer version of the Gradio SDK is available: 6.32.0
title: Photo Document Batch
emoji: 📄
colorFrom: gray
colorTo: green
sdk: gradio
sdk_version: 6.31.0
app_file: app.py
python_version: '3.12'
short_description: Resumable document classification for photo folders and ZIPs
models:
- thaitea/laya-vision-201m
批次相片文件分類
以 thaitea/laya-vision-201m 判斷圖片是文件或非文件。固定模型版本 0b6228f7a0762566de1c4539e9aa4eb1c1aef5f4,使用 Laya Vision 的原生 yes/no 機率輸出。
文件包含表格、收據、報告、掃描頁面及文件截圖。人物、物件及工地相片即使有招牌或少量文字,也屬非文件。預設文件機率 ≥ 0.5 判定為文件;所選類別機率 < 0.8 時標記人工覆核。
模型提問採用簡短的 Is the main subject a printed form or document?。初步 25 張人工目視標記的圖片用於比較提問方式:此提問符合 25/25 張,複雜長提問只有 11/25 張。這是提問選擇樣本,並非獨立測試或全資料夾準確率。
5,500+ 張相片:建議本機批次處理
本機處理毋須上傳相片。原圖不會移動、覆寫或刪除。程式逐張寫入 JSONL,每 25 張及結束時輸出 CSV,重新執行同一指令即可跳過已完成而且內容相同的圖片。錯誤圖片會記錄並在重跑時重試。
python3 -m venv .venv
.venv/bin/pip install -r requirements-local.txt
.venv/bin/python batch.py /absolute/path/to/photos --output /absolute/path/to/results
加上 --device mps 可指定 Apple GPU,--device cuda 指定 NVIDIA GPU;預設自動偵測。改變門檻或模型版本時,請使用新的輸出資料夾。先以 --limit 25 測試可估計速度;移除限制後沿用同一輸出資料夾即可處理其餘相片。
輸出:results.csv(UTF-8 BOM,可用 Excel 開啟)、predictions.jsonl(逐張耐久保存)、summary.json(完成後統計)、settings.json(模型及規則)。CSV 包含檔名、分類、文件機率、所選類別機率、覆核標記、處理時間及錯誤。隱藏資料夾及輸出資料夾會排除。
Space 使用方法
「批次處理」上傳 ZIP,可包含子資料夾。每批最多 20,000 張、解壓後合共 8GB,單張最大 50MB。每 25 張更新結果及可下載的 CSV/JSONL。停止後可下載目前 JSONL,下一次與同一 ZIP 一起上傳以續跑;請保持門檻設定一致。檔案內容雜湊會確認圖片是否已處理。覆核預覽只顯示最近 100 張,完整結果在 CSV。
此小型模型在 CPU 推論。免費 ZeroGPU 主機註冊一個不供一般介面調用的 runtime probe,正常分類不申請 GPU、不消耗 GPU 配額。大量圖片仍建議本機長時間批次處理。Space 重啟會清除暫存,請下載結果;雲端批次在瀏覽器關閉或連線中斷後不保證繼續。
只發布程式碼,不發布原始資料夾或分類結果。上傳到 Space 的相片會在 Hugging Face 伺服器處理,本機 CLI 則不會上傳相片。
限制及授權
研究示範。模型尚未在你的文件/工地相片上驗證準確率,機率不是此資料集的準確率保證。模型單一圖片縮至 512px,細小文字和模糊頁面可能誤判。應先覆核一批人工標註樣本再決定正式門檻。
模型權重:CC BY-NC-SA 4.0,限制非商業使用;原始 Laya Vision 程式碼為 Apache 2.0。模型作者的現有 Gradio demo 提供載入方式參考。