更多应用
1. 版面分析任务
版面分析指的是对图片形式的文档进行区域划分，定位其中的关键区域，如文字、标题、表格、图片等。版面分析示意图如下图所示。
1.1 数据集
使用PubLayNet训练英文文档版面分析模型，该数据面向英文文献类（论文）场景，分别训练集(333,703张标注图片)、验证集(11,245张标注图片)和测试集(11,405张图片)，包含5类：Table、Figure、Title、Text、List，更多版面分析数据集
1.2 模型库
使用PicoDet模型在PubLayNet数据集进行训练，同时采用FGD蒸馏，预训练模型如下:
| 模型 |
图像输入尺寸 |
mAPval
0.5
| 下载地址 |
配置文件 |
| PicoDet-LCNet_x1_0 |
800*608 |
93.5% |
trained model | inference model |
config |
| PicoDet-LCNet_x1_0 + FGD |
800*608 |
94.0% |
trained model | inference model |
teacher config|student config |
FGD蒸馏介绍
1.3 模型推理
了解版面分析整个流程(数据准备、模型训练、评估等)，请参考版面分析，这里仅展示模型推理过程。首先下载模型库中的inference_model模型。
mkdir inference_model
cd inference_model
# 下载并解压PubLayNet推理模型
wget https://paddleocr.bj.bcebos.com/ppstructure/models/layout/picodet_lcnet_x1_0_fgd_layout_infer.tar && tar xf picodet_lcnet_x1_0_fgd_layout_infer.tar
cd ..
版面恢复任务进行推理，可以执行如下命令：
python3 deploy/python/infer.py \
--model_dir=inference_model/picodet_lcnet_x1_0_fgd_layout_infer/ \
--image_file=docs/images/layout.jpg \
--device=CPU
可视化版面结果如下图所示：
2 Reference
[1] Zhong X, Tang J, Yepes A J. Publaynet: largest dataset ever for document layout analysis[C]//2019 International Conference on Document Analysis and Recognition (ICDAR). IEEE, 2019: 1015-1022.
