表格识别算法

表格识别算法#

简介#

表格识别是指输入表格图像，识别表格结构和内容，并将其转换为 LaTeX 或 HTML 等格式。

模型使用#

在配置好环境的情况下，直接执行 scripts/table_parsing.py 即可运行表格识别算法脚本。

$ python scripts/table_parsing.py --config configs/table_parsing.yaml

模型配置#

inputs: assets/demo/table_parsing
outputs: outputs/table_parsing
tasks:
  table_parsing:
    model: table_parsing_struct_eqtable
    model_config:
      model_path: models/TabRec/StructEqTable
      max_new_tokens: 1024
      max_time: 30
      output_format: latex
      lmdeploy: False
      flash_attn: True

  • inputs/outputs: 分别定义输入文件路径和表格识别结果目录

  • tasks: 定义任务类型，当前只包含一个表格识别任务

  • model: 定义具体模型类型: 当前使用 StructEqTable 表格识别模型

  • model_config: 定义模型配置

  • model_path: 模型权重路径

  • max_new_tokens: 生成的最大token数量, 默认为1024, 最大支持4096

  • max_time: 模型运行的最大时间（秒）

  • output_format: 输出格式，默认设置为 latex, 可选有 html 和 markdown

  • lmdeploy: 是否使用 LMDeploy 进行部署，当前设置为 False

  • flash_attn: 是否使用flash attention，仅适用于Ampere GPU

多样化输入支持#

PDF-Extract-Kit中的表格识别脚本支持 单个表格图像 和 多个表格图像 作为输入。

备注

StructEqTable表格模型仅支持GPU设备下运行

备注

根据表格内容调整 max_new_tokens 和 max_time, 默认分别为1024和30。

备注

lmdeploy为加速推理的选项，如果设置为True，将使用LMDeploy进行加速推理部署。 使用LMDeploy部署需要安装LMDeploy，安装方法参考 LMDeploy 。