修复PPStructureV3多表格问题

[scyyh11]

相关 Issue

PaddlePaddle/PaddleOCR#17133

问题描述

使用 PPStructureV3 处理包含多个表格的图片时，单元格检测结果会出现混乱。问题原因如下：

1. 后处理 NMS 排序问题：当多个表格裁剪区域在单个批次中处理时，NMS 后检测结果的排序可能会发生变化，导致单元格分配不再与其原始表格对齐。

2. 错误的分组逻辑：原代码依赖扁平化预测结果的顺序（使用 box_nums 切片），而不是使用批次索引（batch_inds）将检测结果分组回其源表格。

3. 单表格正常，多表格失败：单个表格时一切正常，但一旦多个裁剪区域被批处理在一起，就会出现单元格混合。

解决方案

将分组逻辑改为依赖每个检测结果的 batch_idx（batch_inds），而不是依赖扁平化预测结果的顺序。这确保了即使在 NMS 后重新排序的情况下也能正确分组。

实现细节

1. 优先级 1：从原始 RT-DETR 输出中提取 batch_inds

   • 检查所有模型输出以识别 batch_inds（与 boxes 长度匹配的 1D 整数数组）
   • 区分 batch_inds 和 masks（Instance Segmentation 中通常是 3D 数组）

2. 优先级 2：从 box_nums 构造 batch_inds（回退方案）

   • 仅在 len(boxes) == sum(box_nums) 时构造 batch_inds（boxes 未被 NMS 重新排序）
   • 这为 batch_inds 不可用的情况提供了回退方案

3. 优先级 3：使用 batch_inds 进行分组

   • 使用布尔掩码按 batch_idx 分组检测结果，而不是顺序切片
   • 这确保了无论 NMS 后如何排序都能正确分组

4. 回退：原始方法

   • 如果无法确定 batch_inds，则回退到原始的 box_nums 切片方法以保持向后兼容性

修改内容

修改的文件

• paddlex/inference/models/object_detection/predictor.py
  • 修改 _format_output() 方法，使用 batch_inds 对检测结果进行分组
  • 添加从 RT-DETR 模型输出中检测/提取 batch_inds 的逻辑
  • 添加在可能时从 box_nums 构造 batch_inds 的回退机制
  • 保持与原始切片方法的向后兼容性

关键代码变更

# 修改前：基于 box_nums 的顺序切片
for idx in range(len(pred[1])):
    np_boxes_num = pred[1][idx]
    box_idx_end = box_idx_start + np_boxes_num
    np_boxes = pred[0][box_idx_start:box_idx_end]  # 假设 boxes 有序
    pred_box.append(np_boxes)
    box_idx_start = box_idx_end

# 修改后：使用 batch_idx 通过布尔掩码分组
if batch_inds is not None:
    for batch_id in np.unique(batch_inds):
        mask = batch_inds == batch_id
        np_boxes = pred[0][mask]  # 即使在 NMS 重新排序后也能正确分组
        pred_box.append(np_boxes)

[paddle-bot]

Thanks for your contribution!