提交您的產(chǎn)品 
Ai應(yīng)用
Ai資訊
AI生圖
AI生視頻
開源AI應(yīng)用平臺PDF Document Layout Analysis：基于Docker的PDF文檔布局分析和PDF OCR服務(wù)
PDF Document Layout Analysis是什么？
PDF Document Layout Analysis 是一個基于 Docker 的服務(wù)，用于分析 PDF 文檔的布局。它能夠?qū)?PDF 頁面的不同部分進(jìn)行分割和分類，能準(zhǔn)確自動識別 PDF 頁面中的文本、標(biāo)題、圖片、表格等元素，并確定這些元素的正確順序。
PDF Document Layout Analysis功能特征
1. OCR 功能
多語言支持：支持多種語言的 OCR 功能，用戶可以通過指定語言參數(shù)來處理不同語言的 PDF 文檔。
文本提?。簩?PDF 中的圖像或不可搜索的文本轉(zhuǎn)換為可搜索的文本格式，便于后續(xù)處理和分析。
2. 頁面分割和分類
識別多種元素：能夠識別和分類 PDF 頁面中的多種元素：
文本：普通文本內(nèi)容。
標(biāo)題：文檔的標(biāo)題和小標(biāo)題。
圖片：頁面中的圖像。
表格：表格內(nèi)容。
公式：數(shù)學(xué)公式，支持 LaTeX 格式輸出。
列表項：有序或無序的列表。
頁眉和頁腳：頁面的頁眉和頁腳。
腳注：文檔中的腳注。
其他：如圖片說明、表格標(biāo)題等。
精確分類：使用先進(jìn)的視覺模型（如 Vision Grid Transformer - VGT）和機器學(xué)習(xí)模型（如 LightGBM），確保高精度的分類結(jié)果。
3. 元素排序
邏輯順序：根據(jù)頁面布局和元素類型，自動確定元素的邏輯順序，確保輸出結(jié)果符合文檔的閱讀順序。
自定義排序規(guī)則：結(jié)合 Poppler 的初始閱讀順序和段落類型，對元素進(jìn)行排序，確保輸出的邏輯性和連貫性。
4. 可視化輸出
可視化 PDF：支持將分析結(jié)果可視化為新的 PDF 文件，用戶可以直觀地查看分割和分類的結(jié)果。
標(biāo)注功能：在可視化輸出中，不同類型的元素會以不同的顏色或樣式進(jìn)行標(biāo)注，便于區(qū)分。
5. 表格和公式提取
表格提取：支持將表格提取為多種格式，如 Markdown、LaTeX 或 HTML，便于進(jìn)一步處理和分析。
公式提取：公式以 LaTeX 格式輸出，方便在學(xué)術(shù)和工程文檔中使用。
PDF Document Layout Analysis應(yīng)用場景
學(xué)術(shù)研究：從研究論文中提取和組織文本、圖表、表格和參考文獻(xiàn)，便于文獻(xiàn)綜述和數(shù)據(jù)分析。
法律文檔分析：分析和結(jié)構(gòu)化法律文件、合同和案例文件。
商業(yè)報告：自動化提取財務(wù)數(shù)據(jù)、圖表和關(guān)鍵指標(biāo)，便于生成見解和摘要。
檔案和數(shù)字化：數(shù)字化和分類歷史文檔、手稿和檔案，以易于搜索的格式保存。
出版和媒體：組織和格式化手稿、文章和報告的內(nèi)容，確保一致性和質(zhì)量。
快速開始
運行服務(wù)：支持 GPU 和非 GPU 模式。
OCR 功能：支持多種語言，通過 curl 命令調(diào)用。
獲取分割結(jié)果：通過 curl 命令發(fā)送 PDF 文件，獲取分割后的結(jié)果。
停止服務(wù)：提供停止服務(wù)器的命令。
依賴和要求
Docker Desktop：需要安裝 Docker Desktop 4.25.0 或更高版本。
GPU 支持：如果需要 GPU 加速，需要安裝相應(yīng)的 GPU 支持軟件。
硬件要求：至少需要 2 GB 內(nèi)存，如果使用 GPU，需要 5 GB GPU 內(nèi)存。
模型
視覺模型（Vision Grid Transformer - VGT）：默認(rèn)模型，由阿里巴巴研究團(tuán)隊訓(xùn)練，支持更復(fù)雜的布局分析，但需要更多資源。
LightGBM 模型：非視覺模型，使用 Poppler 提取的 XML 信息進(jìn)行分類和分割，速度更快，資源占用更少。
數(shù)據(jù)
訓(xùn)練數(shù)據(jù)：使用 DocLayNet 數(shù)據(jù)集，包含 11 種類別，如標(biāo)題、腳注、公式、列表項等。
使用方法
基本命令：通過 curl 命令發(fā)送 PDF 文件，選擇使用視覺模型或非視覺模型。
可視化輸出：支持將分析結(jié)果可視化為 PDF 文件。
表格和公式提取：支持將表格和公式以不同格式（如 LaTeX、Markdown）提取。
輸出順序
排序規(guī)則：基于 Poppler 的初始閱讀順序和段落類型進(jìn)行排序，確保輸出的邏輯順序。
性能和速度
性能：VGT 模型在 PubLayNet 數(shù)據(jù)集上的表現(xiàn)優(yōu)異，平均準(zhǔn)確率超過 96%。
速度：非視覺模型在 CPU 上每頁處理速度為 0.42 秒，視覺模型在 GPU 上為 1.75 秒，在 CPU 上為 13.5 秒。
相關(guān)鏈接
GitHub：https://github.com/huridocs/pdf-document-layout-analysis
DockerHub：https://hub.docker.com/r/huridocs/pdf-document-layout-analysis
