Layout Parser ---- 通用文档图片分析工具

例子

• layout-parser/examples at main · Layout-Parser/layout-parser · GitHub
• 布局识别 + 文本抽取： layout-parser/Deep Layout Parsing.ipynb at main · Layout-Parser/layout-parser…
• 表格 OCR 识别和解析

模型 model zoo: Model Zoo — Layout Parser 0.3.2 documentation

• HJDataset: Historical Japenese 日语文献
• PubLayNet: PubMed 文献

• PrimaLayout: Patten Recognition & Image Analysis Research

  • 一家研究所

  • 各种类型文献，Particular emphasis is placed on magazines and technical/scientific publications

    • 各种杂志，和科技出版物
• NewspaperNavigator: 历年的美国新闻报纸

• TableBank: 表格数据集， 网络上的 word 和 latex 文档

  • 注意： 只识别表格

Math Formula Detection(MFD): 公式识别

• 注意： 只识别公式

模型识别的标签

• Model Zoo — Layout Parser 0.3.2 documentation

只是 layout 识别工具

• 结果是布局数据

• 具体的文本抽取和前后顺序等需要自己写规则

  • 截取局部图像
  • 通过它提供的 ocr 识别辅助工具自行识别

模型

• 内建模型
• 可以自定义
• 可以使用社区共享的模型

内部支持的 OCR 识别工具

• Tesseract
• Google Cloud Vision