開源SLANeXt_wireless模型 - 免費將表格圖像轉換為可編輯HTML格式

首頁

Slanext Wireless

由PaddlePaddle開發

SLANeXt_wireless是一個用於表格結構識別的模型，能夠將不可編輯的表格圖像轉換為可編輯的HTML格式。

文字識別支持多種語言開源協議:Apache-2.0 #表格結構識別 #HTML轉換 #文檔處理

下載量 244

發布時間 : 6/6/2025

模型概述

SLANeXt_wireless是表格識別系統的重要組成部分，專注於識別表格中行列和單元格的位置，輸出表格區域的HTML代碼，為後續表格識別流程提供輸入。

模型特點

高精度表格結構識別

能夠準確識別表格中的行列和單元格位置，準確率達69.65%。

多種使用方式

支持單模型使用和多模型組成的管道使用，適應不同場景需求。

輸出可編輯格式

將表格圖像轉換為可編輯的HTML格式，便於後續處理和使用。

模型能力

表格結構識別

圖像到HTML轉換

表格行列檢測

表格單元格定位

使用案例

文檔處理

財務報表識別

將掃描的財務報表圖像轉換為可編輯的HTML格式

準確識別表格結構，保留原始佈局

數據表格提取

從文檔中提取數據表格並轉換為結構化格式

便於數據分析和處理

辦公自動化

PDF表格轉換

將PDF中的表格轉換為可編輯格式

提高文檔處理效率

🚀 SLANeXt_wireless

表格結構識別是表格識別系統的重要組成部分，它能夠將不可編輯的表格圖像轉換為可編輯的表格格式（如HTML）。表格結構識別的目標是識別表格中行列和單元格的位置，該模塊的性能直接影響整個表格識別系統的準確性和效率。表格結構識別模塊通常會輸出表格區域的HTML代碼，然後將其作為輸入傳遞給表格識別流程進行進一步處理。

模型	準確率 (%)	GPU推理時間 (ms) [正常模式 / 高性能模式]	CPU推理時間 (ms) [正常模式 / 高性能模式]	模型存儲大小 (M)
SLANeXt_wireless	69.65	--	--	351M

注意：SLANeXt_wireless的準確率來自與SLANeXt_wired的聯合測試結果。

🚀 快速開始

✨ 主要特性

能夠將不可編輯的表格圖像轉換為可編輯的HTML格式。
提供了多種使用方式，包括單模型使用和多模型組成的管道使用。

📦 安裝指南

1. 安裝PaddlePaddle

請參考以下命令，使用pip安裝PaddlePaddle：

# 適用於CUDA11.8
python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/

# 適用於CUDA12.6
python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

# 適用於CPU
python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

PaddlePaddle安裝的詳細信息，請參考PaddlePaddle官方網站。

2. 安裝PaddleOCR

從PyPI安裝最新版本的PaddleOCR推理包：

python -m pip install paddleocr

💻 使用示例

基礎用法

你可以使用單個命令快速體驗其功能：

paddleocr table_structure_recognition \
    --model_name SLANeXt_wireless \
    -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/6rfhb-CXOHowonjpBsaUJ.png

你也可以將表格分類模塊的模型推理集成到你的項目中。在運行以下代碼之前，請將示例圖像下載到本地。

from paddleocr import TableStructureRecognition
model = TableStructureRecognition(model_name="SLANeXt_wireless")
output = model.predict(input="6rfhb-CXOHowonjpBsaUJ.png", batch_size=1)
for res in output:
    res.print(json_format=False)
    res.save_to_json("./output/res.json")

運行後，得到的結果如下：

{'res': {'input_path': '6rfhb-CXOHowonjpBsaUJ.png', 'page_index': None, 'bbox': [[5, 4, 48, 5, 46, 85, 5, 81], [84, 6, 146, 6, 143, 101, 83, 98], [186, 6, 217, 6, 212, 104, 184, 98], [239, 7, 281, 8, 276, 107, 235, 108], [324, 6, 405, 6, 404, 105, 323, 106], [405, 4, 488, 5, 488, 100, 403, 94], [3, 56, 96, 60, 95, 187, 3, 180], [108, 68, 157, 71, 159, 193, 110, 187], [179, 75, 207, 79, 211, 199, 184, 192], [238, 72, 277, 76, 281, 203, 243, 199], [318, 68, 400, 70, 404, 207, 325, 205], [395, 66, 494, 68, 494, 214, 397, 212], [11, 138, 62, 145, 68, 329, 12, 321], [105, 151, 156, 158, 171, 332, 117, 323], [177, 157, 210, 166, 229, 322, 197, 312], [232, 152, 276, 159, 295, 322, 253, 316], [313, 142, 396, 147, 409, 330, 332, 326], [392, 139, 491, 144, 492, 332, 404, 330], [3, 239, 86, 254, 103, 450, 3, 445], [97, 251, 152, 261, 176, 458, 116, 454], [172, 254, 211, 265, 239, 461, 200, 458], [235, 248, 289, 257, 316, 466, 264, 464], [310, 235, 402, 242, 419, 469, 337, 468], [381, 229, 491, 236, 492, 469, 400, 468], [9, 340, 74, 361, 88, 490, 11, 489], [95, 338, 129, 353, 150, 493, 113, 492], [176, 342, 192, 358, 221, 493, 206, 492], [235, 335, 261, 351, 289, 493, 265, 492], [310, 325, 372, 339, 393, 493, 338, 493], [382, 321, 482, 334, 485, 493, 402, 493]], 'structure': ['<html>', '<body>', '<table>', '<tr>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '</tr>', '<tr>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '</tr>', '<tr>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '</tr>', '<tr>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '</tr>', '<tr>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '<td></td>', '</tr>', '</table>', '</body>', '</html>'], 'structure_score': 0.9999998}}

高級用法

通用表格識別V2管道

單個模型的能力是有限的，但由多個模型組成的管道可以提供更強的能力來解決現實場景中的難題。通用表格識別V2管道用於通過從圖像中提取信息並以HTML或Excel格式輸出，來解決表格識別任務。該管道包含8個模塊：

表格分類模塊
表格結構識別模塊
表格單元格檢測模塊
文本檢測模塊
文本識別模塊
佈局區域檢測模塊（可選）
文檔圖像方向分類模塊（可選）
文本圖像去畸變模塊（可選）

使用單個命令快速體驗通用表格識別V2管道：

paddleocr table_recognition_v2 -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/mabagznApI1k9R8qFoTLc.png  \
    --use_doc_orientation_classify False  \
    --use_doc_unwarping False \
    --save_path ./output \
    --device gpu:0

結果將打印到終端：

{'res': {'input_path': 'mabagznApI1k9R8qFoTLc.png', 'page_index': None, 'model_settings': {'use_doc_preprocessor': False, 'use_layout_detection': True, 'use_ocr_model': True}, 'layout_det_res': {'input_path': None, 'page_index': None, 'boxes': [{'cls_id': 8, 'label': 'table', 'score': 0.86655592918396, 'coordinate': [0.0125130415, 0.41920784, 1281.3737, 585.3884]}]}, 'overall_ocr_res': {'input_path': None, 'page_index': None, 'model_settings': {'use_doc_preprocessor': False, 'use_textline_orientation': False}, 'dt_polys': array([[[   9,   21],
        ...,
        [   9,   59]],

       ...,

       [[1046,  536],
        ...,
        [1046,  573]]], dtype=int16), 'text_det_params': {'limit_side_len': 960, 'limit_type': 'max', 'thresh': 0.3, 'box_thresh': 0.6, 'unclip_ratio': 2.0}, 'text_type': 'general', 'textline_orientation_angles': array([-1, ..., -1]), 'text_rec_score_thresh': 0, 'rec_texts': ['部門', '報銷人', '報銷事由', '批准人：', '單據', '張', '合計金額', '元', '車費票', '其', '火車費票', '飛機票', '中', '旅住宿費', '其他', '補貼'], 'rec_scores': array([0.99958128, ..., 0.99317062]), 'rec_polys': array([[[   9,   21],
        ...,
        [   9,   59]],

       ...,

       [[1046,  536],
        ...,
        [1046,  573]]], dtype=int16), 'rec_boxes': array([[   9, ...,   59],
       ...,
       [1046, ...,  573]], dtype=int16)}, 'table_res_list': [{'cell_box_list': [array([ 0.13052222, ..., 73.08310249]), array([104.43082511, ...,  73.27777413]), array([319.39041221, ...,  73.30439308]), array([424.2436837 , ...,  73.44736794]), array([580.75836265, ...,  73.24003914]), array([723.04370201, ...,  73.22717598]), array([984.67315757, ...,  73.20420387]), array([1.25130415e-02, ..., 5.85419208e+02]), array([984.37072837, ..., 137.02281502]), array([984.26586998, ..., 201.22290352]), array([984.24017417, ..., 585.30775765]), array([1039.90606773, ...,  265.44664314]), array([1039.69549644, ...,  329.30540779]), array([1039.66546714, ...,  393.57319954]), array([1039.5122689 , ...,  457.74644783]), array([1039.55535972, ...,  521.73030403]), array([1039.58612144, ...,  585.09468392])], 'pred_html': '<html><body><table><tbody><tr><td>部門</td><td></td><td>報銷人</td><td></td><td>報銷事由</td><td></td><td colspan="2">批准人：</td></tr><tr><td colspan="6" rowspan="8"></td><td colspan="2">單據 張</td></tr><tr><td colspan="2">合計金額 元</td></tr><tr><td rowspan="6">其 中</td><td>車費票</td></tr><tr><td>火車費票</td></tr><tr><td>飛機票</td></tr><tr><td>旅住宿費</td></tr><tr><td>其他</td></tr><tr><td>補貼</td></tr></tbody></table></body></html>', 'table_ocr_pred': {'rec_polys': array([[[   9,   21],
        ...,
        [   9,   59]],

       ...,

       [[1046,  536],
        ...,
        [1046,  573]]], dtype=int16), 'rec_texts': ['部門', '報銷人', '報銷事由', '批准人：', '單據', '張', '合計金額', '元', '車費票', '其', '火車費票', '飛機票', '中', '旅住宿費', '其他', '補貼'], 'rec_scores': array([0.99958128, ..., 0.99317062]), 'rec_boxes': array([[   9, ...,   59],
       ...,
       [1046, ...,  573]], dtype=int16)}}]}}

如果指定了save_path，可視化結果將保存在save_path下。可視化輸出如下： image/jpeg

命令行方法適用於快速體驗。對於項目集成，也只需要幾行代碼：

from paddleocr import TableRecognitionPipelineV2

pipeline = TableRecognitionPipelineV2(
    use_doc_orientation_classify=False, # 使用use_doc_orientation_classify啟用/禁用文檔方向分類模型
    use_doc_unwarping=False, # 使用use_doc_unwarping啟用/禁用文檔去畸變模塊
)
# pipeline = TableRecognitionPipelineV2(use_doc_orientation_classify=True) # 使用use_doc_orientation_classify指定是否使用文檔方向分類模型
# pipeline = TableRecognitionPipelineV2(use_doc_unwarping=True) # 使用use_doc_unwarping指定是否使用文本圖像去畸變模塊
# pipeline = TableRecognitionPipelineV2(device="gpu") # 使用device指定使用GPU進行模型推理
output = pipeline.predict("https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/mabagznApI1k9R8qFoTLc.png")
for res in output:
    res.print() ## 打印預測的結構化輸出
    res.save_to_img("./output/")
    res.save_to_xlsx("./output/")
    res.save_to_html("./output/")
    res.save_to_json("./output/")

使用命令和參數說明的詳細信息，請參考文檔。

PP-StructureV3

佈局分析是一種從文檔圖像中提取結構化信息的技術。PP-StructureV3包括以下六個模塊：

佈局檢測模塊
通用OCR管道
文檔圖像預處理管道（可選）
表格識別管道（可選）
印章識別管道（可選）
公式識別管道（可選）

運行單個命令快速體驗PP-StructureV3管道：

paddleocr pp_structurev3 -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/mG4tnwfrvECoFMu-S9mxo.png \
    --use_doc_orientation_classify False \
    --use_doc_unwarping False \
    --use_textline_orientation False \
    --device gpu:0

結果將打印到終端。如果指定了save_path，結果將保存在save_path下。

只需幾行代碼就可以體驗管道的推理。以PP-StructureV3管道為例：

from paddleocr import PPStructureV3

pipeline = PPStructureV3(
    use_doc_orientation_classify=False, # 使用use_doc_orientation_classify啟用/禁用文檔方向分類模型
    use_doc_unwarping=False,    # 使用use_doc_unwarping啟用/禁用文檔去畸變模塊
    use_textline_orientation=False, # 使用use_textline_orientation啟用/禁用文本行方向分類模型
    device="gpu:0", # 使用device指定使用GPU進行模型推理
    )
output = pipeline.predict(".mG4tnwfrvECoFMu-S9mxo.png")
for res in output:
    res.print() # 打印結構化預測輸出
    res.save_to_json(save_path="output") ## 以JSON格式保存當前圖像的結構化結果
    res.save_to_markdown(save_path="output") ## 以Markdown格式保存當前圖像的結果