DocLayout-YOLO，让多样性文档布局检测更快、更准、更强

 布局检测是文档解析领域的核心任务之一，目标是精准定位文档中不同类型的元素（正文、标题、表格、图片等）。尽管布局检测已经研究很多年，但现有的布局检测算法多关注在论文类型的文档，当面对多样性的文档（如教材、考题、研报等）时，其检测效果还是不及预期。

上海人工智能实验室在2024年7月份开源的 PDF-Extract-Kit 中提供了使用多样性文档微调的 LayoutLMv3 模型，在众多类型的文档上均取得了不错效果，但其推理速度相对较慢。为了满足实时高质量的推理需求，作者团队近日推出全新布局检测模型 DocLayout-YOLO，其推理速度相比于LayoutLMv3提升一个数量级，在A100上每秒可以处理85.5个页面，检测结果也更加精准。一起来看看。

DocLayout-YOLO GitHub主页：https://github.com/opendatalab/DocLayout-YOLO

DocLayout-YOLO 论文：https://arxiv.org/abs/2410.12628

DocLayout-YOLO Demo体验：https://huggingface.co/spaces/opendatalab/DocLayout-YOLO

一、DocLayout-YOLO技术解析

DocLayout-YOLO