表格识别效果很差

[MarginGitHub]

我根据PP-Structure 快速开始的教程进行表格识别测试，测试用的图片是

然后识别出来的结果是这样的：

不晓得是怎么回事，有人知道吗？

[GreatV]

你的表格识别效果较差，可能由以下几个因素导致：

可能的原因

1. 模型参数不匹配

   • 你使用了PP-Structure的默认模型，但默认参数可能不适用于你的图片格式和复杂度。
   • 在相关讨论中，有用户反馈 ch_ppstructure_mobile_v2.0_SLANet_infer 在高分辨率图片上表现不佳。

2. 图片分辨率问题

   • 如果源图片分辨率较高，可能需要适当调整 table_max_len 。
   • 有用户反馈，直接增大 table_max_len（如1024、2048）反而导致效果下降，因为输入尺寸过大可能会影响模型对表格结构的识别。

3. 检测错误影响后续流程

   • PP-Structure 的表格识别包括 表格检测（det）-> 结构识别（table）-> 文字识别（rec） 这几步，如果某一步错误，后续步骤都会受到影响。

---

优化建议

1. 使用更精度高的模型

   • 如果设备允许，可以尝试 ch_ppstructure_server_v2.0_SLANet_infer，该模型在较复杂表格上效果更好。

2. 优化 table_max_len 配置

   • 你可以尝试较小的 table_max_len（比如 640、768），而不是直接增大到 1024 或 2048。

3. 先单独测试表格检测

   • 先运行 表格检测模型，查看输出结果是否准确。如果这一部分有问题，可以考虑：
     • 预处理图片（调整亮度、对比度）
     • 适当裁剪图片以去除干扰元素

4. 使用 layoutparser 进行预处理

   • 如果你的图片包含多个表格或其它复杂结构，可以在 OCR 之前用 layoutparser 进行结构分析，提取出独立的表格区域，提高识别准确性。

5. 数据增强

   • 如果自己的数据较特殊，可以考虑微调（fine-tuning）PP-Structure 以适配你的业务需求。训练自定义模型能显著提高准确率。

---

结论

你的表格识别效果较差，可能是 模型参数、图片分辨率或表格检测错误 导致的。可以尝试优化 table_max_len 设置、换更强的模型，或先测试表格检测是否准确。如果仍然不理想，建议进行数据增强或微调模型。

你可以参考相关讨论获取更多优化方法。🚀

---

Response generated by 🤖 feifei-bot | chatgpt-4o-latest

⚠️ This is an AI-generated response. Please verify any critical information.

[YeSZ1520]

这个是bbox解码问题引起的，如果着急使用可以看一下issue #14007 和我的pr #14854