Update README.md
Browse files
README.md
CHANGED
|
@@ -10,14 +10,14 @@ license: apache-2.0
|
|
| 10 |
|
| 11 |
<h1>Neler yaptık? </h1>
|
| 12 |
<h2>Adres Tanıma </h2>
|
| 13 |
-
</p>Etiketli veriden NER modeli eğittik, en iyi
|
| 14 |
Bu model pipeline'da openAI davinci'nin yükünü hafifletiyor.
|
| 15 |
<br>
|
| 16 |
Şu modelleri benchmark ettik 👇 <br>
|
| 17 |
- convbert-base-turkish-ner (xlm-roberta-turkish-ner'le birebir çalışıyor)<br>
|
| 18 |
- xlm_roberta_large_df <br>
|
| 19 |
- xlm-roberta-turkish-ner (iyi çalışıyor ama iyisi bulunabilir, LOC döndürüyor sadece)<br>
|
| 20 |
-
- <a href="https://huggingface.co/deprem-ml">deprem-ner</a>
|
| 21 |
<br>
|
| 22 |
Benchmark'ları şu dataset'te görebilirsiniz: <a href="https://huggingface.co/datasets/deprem-ml/butun_model_benchmarklari">deprem-ml/butun_model_benchmarklari</a> <br>
|
| 23 |
Benchmark ettiğimiz notebook'u <a href="https://colab.research.google.com/drive/1NxQe-EPjF0Sckf54ZqOKkDP7HlpBkk8P?usp=sharing">burada</a> bulabilirsiniz.
|
|
@@ -29,7 +29,7 @@ Benchmark ettiğimiz notebook'u <a href="https://colab.research.google.com/drive
|
|
| 29 |
- Candidate label'ları belirlemek için clustering modeli eğitildi, embedding'ler <a href="https://huggingface.co/deprem-ml/distilroberta-tweet-clustering-embeddings">burada</a><br>.
|
| 30 |
</p>
|
| 31 |
<h2>OCR</h2>
|
| 32 |
-
<p> OCR için
|
| 33 |
- GUI olarak kullanıp metin içeren screenshot ya da metnin kendisini verip input'un DB'ye düşmesini sağlayabilirsiniz.<br>
|
| 34 |
- (Kullanılan) Backend'inize entegre edebilirsiniz. Space'in en altında "Use via API"ya tıklayarak endpoint'ler nasıl kullanılıyor bakıp bu Space'i kendi backend'inizde kullanabilirsiniz. <br>
|
| 35 |
OCR tarafında test edilen ve/-ya görüşülen diğer toolboxlar (efor kaybına yol açmaması adına) aşağıda listelenmiştir;<br>
|
|
|
|
| 10 |
|
| 11 |
<h1>Neler yaptık? </h1>
|
| 12 |
<h2>Adres Tanıma </h2>
|
| 13 |
+
</p>Etiketli veriden NER modeli eğittik, en iyi bunlar çalışıyor: <a href="https://huggingface.co/deprem-ml/deprem-ner">deprem-ner</a> ve <a href="https://huggingface.co/deprem-ml/deprem-ner-mdebertav3">deprem-ner-mdebertav3</a><br>
|
| 14 |
Bu model pipeline'da openAI davinci'nin yükünü hafifletiyor.
|
| 15 |
<br>
|
| 16 |
Şu modelleri benchmark ettik 👇 <br>
|
| 17 |
- convbert-base-turkish-ner (xlm-roberta-turkish-ner'le birebir çalışıyor)<br>
|
| 18 |
- xlm_roberta_large_df <br>
|
| 19 |
- xlm-roberta-turkish-ner (iyi çalışıyor ama iyisi bulunabilir, LOC döndürüyor sadece)<br>
|
| 20 |
+
- <a href="https://huggingface.co/deprem-ml/deprem-ner">deprem-ner</a> ve <a href="https://huggingface.co/deprem-ml/deprem-ner-mdebertav3">deprem-ner-mdebertav3</a> modellerimiz en iyi ve en spesifik location tag'lerini döndürüyor.
|
| 21 |
<br>
|
| 22 |
Benchmark'ları şu dataset'te görebilirsiniz: <a href="https://huggingface.co/datasets/deprem-ml/butun_model_benchmarklari">deprem-ml/butun_model_benchmarklari</a> <br>
|
| 23 |
Benchmark ettiğimiz notebook'u <a href="https://colab.research.google.com/drive/1NxQe-EPjF0Sckf54ZqOKkDP7HlpBkk8P?usp=sharing">burada</a> bulabilirsiniz.
|
|
|
|
| 29 |
- Candidate label'ları belirlemek için clustering modeli eğitildi, embedding'ler <a href="https://huggingface.co/deprem-ml/distilroberta-tweet-clustering-embeddings">burada</a><br>.
|
| 30 |
</p>
|
| 31 |
<h2>OCR</h2>
|
| 32 |
+
<p> OCR için <a href="https://github.com/JaidedAI/EasyOCR">EasyOCR</a> kullandık. Space OCR'ın çıktısını davinci'ye veriyor, sonraki adımda NER'i swap edeceğiz. Bu Space'i iki türlü kullanabilirsiniz:<br>
|
| 33 |
- GUI olarak kullanıp metin içeren screenshot ya da metnin kendisini verip input'un DB'ye düşmesini sağlayabilirsiniz.<br>
|
| 34 |
- (Kullanılan) Backend'inize entegre edebilirsiniz. Space'in en altında "Use via API"ya tıklayarak endpoint'ler nasıl kullanılıyor bakıp bu Space'i kendi backend'inizde kullanabilirsiniz. <br>
|
| 35 |
OCR tarafında test edilen ve/-ya görüşülen diğer toolboxlar (efor kaybına yol açmaması adına) aşağıda listelenmiştir;<br>
|