IT-аутсорсинг — удалённая работа в Москве

Разработка ПО. Системное программирование. Разработка с нуля. Здравствуйте. Задача 1: - Запустить Vision Grid Transformer на картинке из PubLayNet, там уже есть данные OCR, нужно только настроить VGT Задача 2: - Запустить VGT на новой картинке (фотографии с текстом), предварительно запустив модель OCR для получения соответствующих данных, которые использует VGT Ц.у. - Есть набор данных с текстом. Там фотографии научных статей с указанием (в виде прямоугольников) где текст, где заголовки, где картинки, где таблицы, где сноски и др. Это можно использовать для распознавания текстовой информации в целом. - Есть модель VGT (ссылки на статью, код, и остальное). Она состоит из большого количества блоков, но все собрано в один репозиторий, есть инструкция по запуску (статья) - Нужно запустить уже предобученную модель (только собрать код, все библиотеки, готовые веса модели воедино). Модель использует данные OCR (другой, малой вспомогательной модели) -- поэтому перед ее запуском, эти данные нужно получить. Если запускать на датасете PubLayNet, там уже есть помимо исходных картинок, данные OCR к ним. Если же запускать на новой картинке (нашей фотографии), данные OCR нужно получить самостоятельно, запустив систему OCR (как описано в статье и в инструкции и в коде).