Yolov8s Table Extraction

🚀 yolov8s表格提取模型

本項目基於ultralyticsplus和YOLOv8，可實現表格提取的目標檢測任務。模型在keremberke/table-extraction數據集上進行訓練，在驗證集上的mAP@0.5(box)達到了0.98376，能夠準確識別有邊框和無邊框兩種類型的表格。

🚀 快速開始

支持的標籤

本模型支持識別以下兩種類型的表格：

['bordered', 'borderless']

安裝依賴

安裝ultralyticsplus庫及其依賴：

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

加載模型並進行預測

from ultralyticsplus import YOLO, render_result

# 加載模型
model = YOLO('keremberke/yolov8s-table-extraction')

# 設置模型參數
model.overrides['conf'] = 0.25  # NMS置信度閾值
model.overrides['iou'] = 0.45  # NMS IoU閾值
model.overrides['agnostic_nms'] = False  # NMS類無關性
model.overrides['max_det'] = 1000  # 每張圖像的最大檢測數

# 設置圖像
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 進行推理
results = model.predict(image)

# 查看結果
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

更多模型

更多YOLOv8模型請參考：awesome-yolov8-models

📚 詳細文檔

模型信息

評估指標

在keremberke/table-extraction數據集的驗證集上，模型的評估指標如下：

模型可視化