基于Qwen2.5-VL大模型的智能图像信息抽取系统，可以自动从图片中提取关键信息并以结构化的方式输出。

• 支持多种文档类型的信息抽取
• 基于Qwen2.5-VL大模型的视觉语言理解能力
• 使用LoRA技术进行高效微调
• 提供友好的Web界面
• 支持批量处理和实时预览

• Python 3.8+
• CUDA 11.7+
• PyTorch 2.0+
• Transformers 4.36+

# 克隆项目
git clone https://github.com/yourusername/kie_qwen25vl.git
cd kie_qwen25vl

# 安装依赖
pip install -r requirements.txt

将训练数据放置在 data/train/ 目录下。

python src/train.py 

python src/app.py

访问 http://localhost:7860 即可使用Web界面。

系统提供了直观的Web操作界面，支持图片上传、实时预测和结果展示。

在 configs/kie_config.py 中可以配置以下参数：

• model_name: 基础模型路径
• max_seq_length: 最大序列长度
• load_in_4bit: 是否使用4bit量化

• lora_r: LoRA rank
• lora_alpha: LoRA alpha
• lora_dropout: LoRA dropout

• learning_rate: 学习率
• batch_size: 批次大小
• num_epochs: 训练轮数
• warmup_steps: 预热步数

• train_data_path: 训练数据路径
• eval_data_path: 评估数据路径
• model_save_path: 模型保存路径

• 支持更多文档类型（发票、合同等）
• 优化数据预处理流程
• 添加数据增强方法
• 实现分布式训练
• 添加模型量化功能
• 优化推理速度
• 完善评估指标

本项目采用 MIT 许可证。详见 LICENSE 文件。

如有问题或建议，欢迎提交 Issue 或 Pull Request。