TableStructureRec：文档中表格结构化识别工具

最新推荐文章于 2025-03-28 10:50:14 发布

码农工具百宝箱

最新推荐文章于 2025-03-28 10:50:14 发布

阅读量1.2k

点赞数 12

文章标签： python 人工智能开发语言

本文链接：https://blog.youkuaiyun.com/u013818406/article/details/143194007

版权

在数字化时代，文档中的表格信息处理成为了一项重要任务。TableStructureRec是一个专注于文档中表格结构化识别的推理库，它能够快速、准确地识别有线和无线表格，支持多种表格类型分类，显著提高文档处理效率。

简介

TableStructureRec仓库包含了来自阿里、微信等贡献的表格识别模型，以及网易Qanything内置的表格分类模型等。这些模型能够处理各种复杂场景下的表格识别任务。

特点

快速：采用ONNXRuntime作为推理引擎，CPU下单图推理仅需1-7秒。
准确：结合表格类型分类模型，区分有线表格和无线表格，任务更细分，精度更高。
稳定：不依赖任何第三方训练框架，只依赖必要基础库，避免包冲突。

在线演示

ModelScope魔塔
Huggingface

效果展示

通过使用TableRecognitionMetric评测工具，在huggingface数据集和modelscope数据集上进行测试，TableStructureRec取得了优异的成绩。特别是RapidTable(SLANet-plus)模型，在TEDS和TEDS-only-structure指标上分别达到了0.84481和0.91369的高分。

使用建议

对于通用场景下的有线表格（如论文、杂志、期刊、收据、单据、账单等），推荐使用wired_table_rec_v2模型，因为它在有线表格精度上表现最佳。
对于文档场景下的表格（如论文、杂志、期刊中的表格），推荐使用paddlex-SLANet-plus模型，因为它在综合精度上表现最佳。

安装

通过pip安装所需的包：

bash

pip install wired_table_rec lineless_table_rec table_cls

快速使用

以下是使用TableStructureRec进行表格识别的简单示例：

python

import os
from lineless_table_rec import LinelessTableRecognition
from table_cls import TableCls
from wired_table_rec import WiredTableRecognition

lineless_engine = LinelessTableRecognition()
wired_engine = WiredTableRecognition()
table_cls = TableCls()
img_path = 'images/img14.jpg'

cls, elasp = table_cls(img_path)
if cls == 'wired':
    table_engine = wired_engine
else:
    table_engine = lineless_engine

html, elasp, polygons, logic_points, ocr_res = table_engine(img_path)
print(f"elasp: {elasp}")

表格旋转及透视修正

对于需要GPU加速或更高精度的场景，可以参考项目RapidTableDet。

FAQ

问：识别框丢失了内部文字信息。答：默认使用的是rapidocr小模型，如果需要更高精度的效果，可以从模型列表下载更高精度的ocr模型，在执行时传入ocr_result即可。
问：模型支持GPU加速吗？答：目前表格模型的推理非常快，主要耗时在ocr阶段。可以参考rapidocr_paddle加速ocr识别过程。