DocLayout-YOLO

מה זה

מעלים תמונת עמוד של מסמך, ובתמורה מקבלים את אותה התמונה עם תיבות תוחמות מסומנות סביב אזורי המבנה השונים. הממשק כולל גם דוגמאות מובנות מראש של מסמכים כדי שתוכלו לבדוק את הביצועים מיד, בלי להעלות קובץ משלכם.

מאחורי הקלעים רץ מודל ראייה ממוחשבת בשם DocLayout-YOLO, ספציפית המשקולות של juliozhao שאומנו ברזולוציה של 1280 פיקסלים על בסיס הנתונים DocStructBench. המודל מתמקד בזיהוי מהיר של אלמנטים גרפיים ומבניים על גבי הדף, והקוד משתמש בפונקציית ויזואליזציה פנימית כדי לצייר את התיבות ישירות על גבי התוצאה המוצגת למשתמש.

מתאים ל

• חלוקת עמוד לקטעים

  זיהוי תיבות של פסקאות, כותרות וטבלאות בעמוד סרוק בודד.

• בדיקת פרמטרים למודל

  כיול ערכי סף של ביטחון וחפיפה לפני שילוב בקוד שלכם.

• הערכת ביצועי ראייה

  בחינה מהירה על דוגמאות מובנות כדי לראות אם הארכיטקטורה מתאימה.

איפה זה נופל

הכלי מקבל רק תמונה בודדת בכל פעם ולא קובצי PDF שלמים מרובי עמודים. הוא גם לא מחלץ טקסט בפועל ולא עושה OCR, אלא רק משרטט את גבולות הבלוקים הגרפיים, כך שתצטרכו שרשרת עיבוד נפרדת כדי לקרוא את המילים עצמן.

איך משתמשים

גוררים תמונה לאזור הקלט, משחקים עם מחווני הסף של רמת הביטחון והחפיפה לפי הצורך, ולוחצים על Detect. מכיוון שהדף רץ על חומרת A10G דרך ZeroGPU, העיבוד עצמו לוקח בדרך כלל שניות בודדות. אין צורך בהרשמה או התחברות לחשבון כדי להריץ בדיקות.

הרישיון

הקוד מופץ תחת רישיון apache-2.0 שמאפשר שימוש מסחרי, שינוי והפצה. התמונות שאתם מעלים רצות על גבי השרתים של Hugging Face כדי לקבל תוצאה, ולכן לא מומלץ להעלות לשם מסמכים רגישים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗