开源推荐
morning
GitHub 热门项目：DocLayout-YOLO
摘要
GitHub项目：DocLayout-YOLO 仓库地址：https://github.com/opendatalab/DocLayout-YOLO Stars：2263 | 作者：opendatalab 项目描述：DocLayout-YOLO: Enhancing Document Layout Analysis through Diverse Synthetic Data and Global...
https
YOLO
DocLayout
and
document
opendatalab
huggingface
2024
Online
layout
2026-09-08
1 阅读
约6分钟阅读
GitHub Trending
字号:
GitHub 项目：DocLayout-YOLO
仓库地址：https://github.com/opendatalab/DocLayout-YOLO
星级：2263 | 作者：开放数据实验室
项目描述：DocLayout-YOLO：通过多样化的合成数据和全局到局部的自适应感知增强文档布局分析
===================================================
自述文件内容：
英语 | [简体中文](./README-zh_CN.md)
## 摘要
> 我们推出了 DocLayout-YOLO，这是一种基于 YOLO-v10 的实时、鲁棒的多种文档布局检测模型。该模型丰富了针对布局检测的多样化文档预训练和结构优化。在预训练阶段，我们引入了Mesh-candidate BestFit，将文档合成视为二维装箱问题，并创建了一个大规模多样化的合成文档数据集DocSynth-300K。在模型结构优化方面，我们提出了一个具有全局到局部可控性的模块，用于跨不同尺度的文档元素的精确检测。
## 新闻🚀🚀🚀 **2024.10.25** 🎉🎉 **Mesh 候选 Bestfit** 代码发布。 Mesh-candidate Bestfit 是一个自动管道，可以合成大规模、高质量且具有视觉吸引力的文档布局检测数据集。教程和示例数据可在[此处](./mesh-candidate_bestfit) 中找到。 **2024.10.23** 🎉🎉 **DocSynth300K数据集**在[🤗Huggingface](https://huggingface.co/datasets/juliozhao/DocSynth300K)上发布，DocSynth300K是一个大规模、多样化的文档布局分析预训练数据集，可以极大地提升模型性能。 **2024.10.21** 🎉🎉 **在线演示**可在 [🤗Huggingface](https://huggingface.co/spaces/opendatalab/DocLayout-YOLO) 上找到。 **2024.10.18** 🎉🎉 DocLayout-YOLO 在 **[PDF-Extract-Kit](https://github.com/opendatalab/PDF-Extract-Kit)** 中实现，用于文档上下文提取。 **2024.10.16** 🎉🎉 **论文**现已在 [ArXiv](https://arxiv.org/abs/2410.12628) 上提供。 ## 快速入门 [在线演示](https://huggingface.co/spaces/opendatalab/DocLayout-YOLO) 现已推出。对于本地开发，请按照以下步骤操作： ### 1.环境设置 请按照以下步骤设置您的环境： ````bash conda 创建-n doclayout_yolo python=3.10 conda激活doclayout_yolo pip install -e 。 ```` **注意：** 如果您只需要推理包，您可以简单地通过 pip 安装它： ````bash pip 安装 doclayout-yolo ```` ### 2.预测 您可以使用脚本或 SDK 进行预测： - **脚本** 运行以下命令进行预测