基于LayoutLMv3的LayoutReader使用教程

基于LayoutLMv3的LayoutReader使用教程

layoutreader A Faster LayoutReader Model based on LayoutLMv3, Sort OCR bboxes to reading order. 项目地址: https://gitcode.com/gh_mirrors/la/layoutreader

1. 项目介绍

LayoutReader 是一个基于 LayoutLMv3 的开源项目，旨在对文档中的文字块进行排序，以识别阅读顺序。LayoutLMv3 是一种结合了布局信息的预训练语言模型，它能够理解文档中的文字与布局之间的关系。LayoutReader 项目对原始的 LayoutReader 进行了优化，提高了速度并使其支持多语言。

2. 项目快速启动

环境准备

在开始之前，请确保您的环境中已安装以下依赖：

• Python 3.6 或更高版本
• pip
• transformers

您可以使用以下命令安装所需的 Python 包：

pip install transformers

克隆项目

从 GitHub 上克隆 LayoutReader 项目：

git clone https://github.com/ppaanngggg/layoutreader.git
cd layoutreader

准备数据集

您需要将原始数据集转换为 span-level 数据集。首先下载原始数据集，然后运行以下脚本：

unzip ReadingBank.zip
python tools.py ./train/ train.jsonl.gz
python tools.py ./dev/ dev.jsonl.gz
python tools.py ./test/ test.jsonl.gz --src-shuffle-rate=0
python tools.py ./test/ test_shuf.jsonl.gz --src-shuffle-rate=1

模型训练

运行以下命令开始训练：

bash train.sh

模型评估

训练完成后，您可以使用以下命令对模型进行评估：

python eval.py ../test.jsonl.gz hantian/layoutreader
python eval.py ../test_shuf.jsonl.gz hantian/layoutreader

使用模型

您可以通过以下代码使用训练好的模型：

from transformers import LayoutLMv3ForTokenClassification
from v3.helpers import prepare_inputs, boxes2inputs, parse_logits

# 加载预训练模型
model = LayoutLMv3ForTokenClassification.from_pretrained("hantian/layoutreader")

# 定义文本框坐标
boxes = [[...], ...]

# 准备输入
inputs = boxes2inputs(boxes)
inputs = prepare_inputs(inputs, model)

# 获取预测结果
logits = model(**inputs).logits.cpu().squeeze(0)
orders = parse_logits(logits, len(boxes))
print(orders)  # [0, 1, 2, ...]

或者直接运行 main.py 脚本来服务模型：

python main.py

3. 应用案例和最佳实践

• 案例一：在文档分析系统中集成 LayoutReader，以自动识别文档的阅读顺序。
• 最佳实践：在多语言环境下，使用 LayoutReader 的多语言功能来处理不同语言的文档。

4. 典型生态项目

• 项目一：利用 LayoutReader 进行文档排序的自动化工具。
• 项目二：集成 LayoutReader 的移动应用，用于现场文档的快速阅读顺序识别。

layoutreader A Faster LayoutReader Model based on LayoutLMv3, Sort OCR bboxes to reading order. 项目地址: https://gitcode.com/gh_mirrors/la/layoutreader