citizen_card

This model is a fine-tuned version of microsoft/layoutlmv3-base on an unknown dataset. It achieves the following results on the evaluation set:

• Loss: 0.0085
• Cc Char: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 48}
• Cc Number: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 48}
• Dob: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 48}
• First Name: {'precision': 0.9791666666666666, 'recall': 0.9791666666666666, 'f1': 0.9791666666666666, 'number': 48}
• Health Number: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 52}
• Height: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 48}
• Last Name: {'precision': 0.9791666666666666, 'recall': 0.9791666666666666, 'f1': 0.9791666666666666, 'number': 48}
• Nationality: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 48}
• Nif: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 52}
• Niss: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 52}
• Parents: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 81}
• Sex: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 48}
• Validation: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 48}
• Overall Precision: 0.9970
• Overall Recall: 0.9970
• Overall F1: 0.9970
• Overall Accuracy: 0.9990

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 2e-05
• train_batch_size: 2
• eval_batch_size: 2
• seed: 42
• optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 50
• num_epochs: 5
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Cc Char	Cc Number	Dob	First Name	Health Number	Height	Last Name	Nationality	Nif	Niss	Parents	Sex	Validation	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
0.0213	1.0	400	0.0192	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 0.98, 'recall': 1.0, 'f1': 0.98989898989899, 'number': 49}	{'precision': 0.8771929824561403, 'recall': 1.0, 'f1': 0.9345794392523363, 'number': 50}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 0.98, 'recall': 1.0, 'f1': 0.98989898989899, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 0.989247311827957, 'recall': 1.0, 'f1': 0.9945945945945946, 'number': 92}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 0.9795918367346939, 'recall': 0.9795918367346939, 'f1': 0.9795918367346939, 'number': 49}	0.9842	0.9985	0.9913	0.9977
0.0054	2.0	800	0.0032	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 50}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 92}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	1.0	1.0	1.0	1.0
0.0099	3.0	1200	0.0019	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 50}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 92}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	1.0	1.0	1.0	1.0
0.0023	4.0	1600	0.0013	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 50}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 92}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	1.0	1.0	1.0	1.0
0.0022	5.0	2000	0.0012	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 50}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 51}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 92}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}	1.0	1.0	1.0	1.0

Framework versions

• Transformers 4.51.3
• Pytorch 2.7.1+cu128
• Datasets 3.5.1
• Tokenizers 0.21.1