DocLayout-YOLO |上海AI Lab最新兼具速度精度的文档布局分析模型

文章预览

上海AI Lab 提出基于YOLO-v10的 DocLayout-YOLO，代码已开源！ 1、 DocLayout-YOLO DocLayout-YOLO是 一个 文档布局分析工具 ，通过多样化的合成数 据和全局到局部的自适应感知增强文档布局分析，提升处理速度和准确性 。 具体来说， 文档布局分析要实现的效果是，定位文档元素并识别所属的类别。 如下所示：可以使用文档分析工具，来实现确定试卷中的标题/图标/纯文本等等 真实世界的文档理解系统，文档布局分析是非常重要的，但在 速度和准确性 的权衡是一个挑战： 1、利用文本和视觉特征的多模式方法可以实现更高的准确性，但处理速度慢 2、仅依赖视觉特征的单模态方法，则会牺牲准确性为代价，但提供了更快的处理速度 DocLayout YOLO在速度和准确性方面都表现出色， 主要贡献 ： 1、引入了Mesh候选BestFit算法，该算法将文档合成构建为二维装箱问题，生 ………………………………