我想微调大模型用于从购物小票图片中提取购物信息，大概需要 2000-5000 张真实的购物小票，从网上爬取的样本比较少，想请教一下各位有没有成本较低、切实可行的方式收集数据集
This topic created in 97 days ago, the information mentioned may be changed or developed.
 |
cooldong287671Jul 30
1
超市门口蹲着 或者 小票抽奖
|
 |
reoah2Jul 30
2
为啥不用 ocr ？ paddleocr 现在很牛逼了啊
|
 |
3
|
 |
HENQIGUAIJul 30
4
到小红书或者抖音买，不过获取方式确实不太方便
|
 |
HeyWeGoJul 30
5
意思是要不同格式的小票吧
|
 |
MuniesaJul 30
6
弄个问卷，审核通过发钱
|
 |
monkey110Jul 30 via Android
7
直接去超市买。有些人直接不要小票就走了，打印出来小票都直接留超市了。
|
 |
gy0624wwJul 30
8
这种不用训练，我之前试过，OCR 出文本加大模型自己整理已经足够好了。
而且我用的 deepseek,小票本来就是格式化的数据 |
|
9
@gy0624ww 直接将图片上传给现有的 deepseek 或者豆包等大模型是可以的，准确率和速度都可以，但我希望用自己电脑上的小型模型来做，我试过千问和 deepseek7B 左右的模型，速度很慢，准确率也低
|
 |
lefthand2006Jul 30 via iPhone
10
8 楼说的对，直接找便利店店员，让他给你收集小票，100 元酬劳应该就搞定，不要一次给
|
|
gy0624wwJul 30
11
@Henryable #9 都不用上传图片，多模态还贵，就用手机自带的 OCR 功能，解析出文本后给大模型，都能给你整理的好好的。 我调的 deepseek API 接口的。
|
 |
moudyJul 30
12
直接找小票打印程序，然后自己生成小票呢？
|
 |
since2021Jul 30
13
写个小程序，小票票夹自动统计，数据就来了
|
 |
zhangli2946Jul 30
14
巧用幸存者偏差。
|
 |
BeautifulSoapJul 30
15
说起来楼上有人说 ocr 效果好，但为什么我试过很多 ocr 效果都很差，而哪怕是 gpt mini 这些模型效果都很好😭
尤其 paddleocr 、deepseek ocr 这些，提取的数据几乎不可用，还有提取测试用的体检报告，体检报告中漏字少字、数字识别问题非常严重 难道是我嫌麻烦直接用的 huggingface 上的 oneline demo 导致的？ |
 |
HconkJul 30 via iPhone
16
小红书上搜小票，图片也不少，挨个爬一边，再掺点生成数据
|
 |
ion1zeJul 30
17
找个做任务的平台，发布任务
|
 |
weixindJul 30
18
闲鱼：小票打印机。
|
Select Language