摘要

深度学习方法在历史文档图像分析任务中展现出优异的性能。然而，尽管现有的库和框架已较为成熟，编写实验或一系列实验并执行仍可能耗费大量时间。为此，我们提出了一种基于PyTorch Lightning的开源深度学习框架——DIVA-DAF，专为历史文档分析任务设计。该框架内置了多种预实现的任务，如图像分割与分类，可直接使用或灵活定制。同时，用户可轻松构建自定义任务，并得益于其强大的数据加载模块，即使处理大规模数据集或多种形式的标注数据（ground truth），也能高效完成。实际应用表明，该框架显著缩短了文档分析任务的编程时间，尤其在预训练、架构调整等不同场景下优势明显。此外，凭借其高效的数据模块，框架还能大幅减少模型训练时间。