TF-ID：精准提取学术文章中的表格与图像

TF-ID：精准提取学术文章中的表格与图像

TF-ID TF-ID: Table/Figure IDentifier for academic papers 项目地址: https://gitcode.com/gh_mirrors/tf/TF-ID

项目介绍

TF-ID（Table/Figure IDentifier）是一个针对学术文章中表格和图像进行检测和提取的开源模型库。该模型库由Yifei Hu创建，并提供了四种不同版本的模型，以满足不同的使用需求。TF-ID基于microsoft/Florence-2模型进行微调，所有模型权重和人工标注的数据集均在MIT许可下开源。

项目技术分析

TF-ID模型的核心是基于深度学习的对象检测技术。它通过对大量的学术文章图像进行训练，能够准确地识别并提取出文章中的表格和图像，甚至包括它们的标题文本。以下是TF-ID的四个模型版本：

• TF-ID-base：基础版本，包含提取表格/图像及其标题文本的功能，模型大小约为0.23B。
• TF-ID-large：推荐版本，包含提取表格/图像及其标题文本的功能，模型大小约为0.77B。
• TF-ID-base-no-caption：基础版本，仅提取表格/图像，不包含标题文本，模型大小约为0.23B。
• TF-ID-large-no-caption：推荐版本，仅提取表格/图像，不包含标题文本，模型大小约为0.77B。

这些模型都从microsoft/Florence-2模型的预训练权重开始微调，以适应特定的任务需求。

项目及技术应用场景

TF-ID模型可以广泛应用于学术研究、文献分析、知识库构建等领域。以下是几个具体的应用场景：

1. 文献自动化解析：在处理大量学术文献时，TF-ID可以帮助研究人员快速定位并提取关键信息，如表格、图像和相应的标题文本。
2. 学术数据库构建：TF-ID可以辅助构建学术数据库，自动提取并分类学术文章中的图像和表格数据，提高数据库的构建效率。
3. 智能文献推荐：通过分析学术文章中的图像和表格内容，TF-ID可以提供更精准的文献推荐服务。

项目特点

TF-ID模型具有以下显著特点：

• 高准确性：在测试数据集上，TF-ID模型的正确输出率高达97%以上，表现出色。
• 多版本支持：提供了包含和不包含标题文本的多个版本，以满足不同的使用需求。
• 易于部署：项目提供了详细的训练和部署指南，用户可以轻松地在自己的环境中训练和使用模型。
• 开源友好：所有模型和数据集均在MIT许可下开源，用户可以自由使用和修改。

结语

TF-ID是一个功能强大的开源项目，能够为学术研究和文献处理带来极大的便利。无论是自动化解析文献、构建学术数据库，还是实现智能文献推荐，TF-ID都能提供高效、准确的服务。如果你在处理学术文献时需要提取表格和图像信息，TF-ID将是一个不可错过的工具。通过合理地使用和部署TF-ID，可以极大地提高学术研究的工作效率，加速知识的传播与创新。

TF-ID TF-ID: Table/Figure IDentifier for academic papers 项目地址: https://gitcode.com/gh_mirrors/tf/TF-ID