yangjun dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829		hace 2 años
..
images	dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829	hace 2 años
README.md	dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829	hace 2 años
picodet_lcnet_x1_0_layout.yml	dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829	hace 2 años
picodet_lcnet_x2_5_layout.yml	dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829	hace 2 años

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:

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.

模型	图像输入尺寸	mAP^val 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