PaddleOCR/main/version3.x/module_usage/layout_detection

[giscus[bot]]

PaddleOCR/main/version3.x/module_usage/layout_detection

Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)

https://paddlepaddle.github.io/PaddleOCR/main/version3.x/module_usage/layout_detection.html

[LonerangerLR]

请问，版面检测的分类标签在哪里可以找到

[liuhongen1234567]

您好，可以到版面检测文档的模型列表下载推理模型，解压后分类标签存储在inference.yaml 文件的label_list中，分类id从0开始编号，依次类推。

[CocoaML]

请问如何区分“行内公式”还是“行间公式”呢？

[liuhongen1234567]

您好，版面检测模型的公式标签是行内公式和行间公式的并集，pp-sturctureV3 是通过后处理规则来区分行间和行内公式的，如果是行内公式，必然会和周围的OCR文本框 IoU大于一定阈值；否则，则为行间公式。

[doggnol]

您好，请问参考文献和参考文献内容有什么区别？

[liuhongen1234567]

您好，参考文献就是所有单栏参考文献组成的文献区域，参考文献内容是每条参考文献。

[Yinyaommmm]

您好，请问这些识别布局的模型初始化函数的img_size参数都是不可以设置的吗？如下
model = LayoutDetection(model_name="PP-DocLayout_plus-L",img_size=[2200,3100])
我尝试了PP-DocBlockLayout和PP-DocBlockLayout两个模型，报错类似如下：

self.model_name not in STATIC_SHAPE_MODEL_LIST
AssertionError: The model PP-DocBlockLayout is not supported set input shape

难道说这些模型都支持动态尺寸输入吗（以原图尺寸进行识别），那么这img_size是不是完全没有用啊

[liuhongen1234567]

您好，这个报错并不是说模型支持动态尺寸输入，而是说模型的尺寸是固定的，不支持修改。可以看下 PP-DocLayout_plus-L 的 inference.yaml 文件，图像会缩放到 （800，800）进行检测。

[Yinyaommmm]

谢谢！您的意思是初始化PP-DocLayout_plus-L模型时的img_size参数是不能设置的意思吗？
我还有两个小问题，
如果我修改它的inference.yaml文件，可以支持其它尺寸的图片吗？
如果不能支持其它尺寸的图片，分辨率不是1:1的图片该怎么处理呢？

[liuhongen1234567]

PP-DocLayout_plus-L的 img_size 应该是不能设置的，我这边改了 inference.yaml 会报其他错误，似乎和DETR的架构有关系。对于其他尺寸的图像直接输入就好了呀，反正它都会在前处理部分缩放为 800X800, 训练时这个模型应该也是缩放到固定尺寸训练的，而不是随着图像变化而变化，这样的话也没有办法组batch。

[LHB-kk]

使用示例代码对示例图片进行测试，发现返回值为空。
请问这可能是什么原因引起的？

{'res': {'input_path': './test_paddle_ocr.jpeg', 'page_index': None, 'boxes': []}}