对于PDF文件类型，标注数据该如何准备？

[LT-07]

在paddleocr中PP-structure3在处理pdf时，会将pdf拆分为单页处理。

但是在进行表格单元格检测数据标注时，是使用单页PDF进行标注，还是使用版面检测模型检测出来的table标签的截图，对tabel图像再进行单元格检测标注？

如上图为版面检测模型的结果。对表格单元格检测和表格结构识别模型的标注，应当使用table标签对应的截图还是直接使用原始单页pdf进行标注？

---

查看官方示例数据集如下

• 官方单元格检测标注示例图片

+ 官方表格结构识别示例图片如下

参考官方的数据集，我的理解是，针对自己的PDF数据，现在需要微调版面检测、表格单元格检测、表格结构识别、文本检测４个模型。其中表格单元格检测、表格结构识别的微调需要使用版面检测模型输出的table标签的截图作为标注数据。我的理解对吗？

[liuhongen1234567]

是的，表格的单元格检测、识别是针对版面模型框出来的表格区域进行检测和识别的。微调的话并不一定所有模型都需要微调，可以根据可视化结果分析一下，哪些模块不符合预期就微调哪些模块。

[LT-07]

感谢您的回答。