【区域识别PDF】如何使用飞桨模型和QT实现对PDF扫描件批量识别指定区域内容导出表格？

原创 已于 2025-01-19 19:26:51 修改 · 1.1k 阅读 · 26 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#深度学习 #机器学习 #开发语言 #数据库
于 2025-01-19 19:21:21 首次发布

一、整体思路

  1. 使用 QT 创建一个用户界面，允许用户选择 PDF 扫描件所在的目录，定义需要识别的区域（可以通过鼠标绘制区域），并开始处理流程。
  2. 利用 Poppler 库将 PDF 文件转换为图像文件。
  3. 使用飞桨的 OCR 模型对用户指定的区域进行内容识别。
  4. 从识别结果中提取表格数据，并将其导出为表格文件格式（如 CSV 或 Excel）。

二、环境搭建

1. QT 开发环境安装：

2. 安装 Poppler 库：

  • Linux 系统：

    bash

    sudo apt-get install libpoppler-cpp-dev
  • Windows 系统：
    • 从 Poppler 官方网站（例如：Poppler）下载预编译的库。
    • 在 QT 项目的 .pro 文件中添加库和头文件的路径：

      plaintext

      INCLUDEPATH += path/to/poppler/include
LIBS += -Lpath/to/poppler/lib -lpoppler-cpp

3. 安装飞桨库：

  • 打开命令行终端，输入以下命令安装飞桨库： 
    pip install paddlepaddle
  • 从飞桨的官方网站下载所需的 OCR 预训练模型，并将其放置在项目可访问的位置。

三、QT 界面设计与实现

1. 创建主窗口类：

#include <QApplication>
#include <QWidget>
#include <QPushButton>
#include <QVBoxLayout>
#include <QFileDialog>
#include <QListWidget>
#include <QProgressBar>
#include <QLineEdit>
#include <QLabel>
#include <QGraphicsScene>
#include <QGraphicsView>
#include <QGraphicsRectItem>
#include <iostream>
#include <vector>
#include <poppler/cpp/poppler-document.h>
#include <poppler/cpp/poppler-page.h>
#include <poppler/cpp/poppler-image.h>


class PDFTableExtractor : public QWidget {
    Q_OBJECT
public:
    PDFTableExtractor(QWidget *parent = nullptr) : QWidget(parent) {
        // 创建界面元素
        selectButton = new QPushButton("Select PDF Directory", this);
        fileList = new QListWidget(this);
        progressBar = new QProgressBar(this);
        processButton = new QPushButton("Start Processing", this);
        regionLabel = new QLabel("Specify Region (x,y,width,height):", this);
        regionEdit = new QLineEdit(this);
        graphicsView = new QGraphicsView(this);
        scene = new QGraphicsScene(this);
        graphicsView->setScene(scene);


        QVBoxLayout *layout = new QVBoxLayout(this);
        layout->addWidget(selectButton);
        layout->addWidget(fileList);
        layout->addWidget(regionLabel);
        layout->addWidget(regionEdit);
        layout->addWidget(graphicsView);
        layout->addWidget(progressBar);
        layout->addWidget(processButton);


        // 连接按钮点击信号
        connect(selectButton, &QPushButton::clicked, this, &PDFTableExtractor::selectDirectory);
        connect(processButton, &QPushButton::clicked, this, &PDFTableExtractor::startProcessing);
    }


private slots:
    void selectDirectory() {
        QString dir = QFileDialog::getExistingDirectory(this, "Select Directory");
        if (!dir.isEmpty()) {
            QDirIterator it(dir, QStringList() << "*.pdf", QDir::Files, QDirIterator::Subdirectories);
            while (it.hasNext()) {
                fileList->addItem(it.next());
            }
        }
    }


    void startProcessing() {
        int totalFiles = fileList->count();
        progressBar->setMaximum(totalFiles);
        QString regionStr = regionEdit->text();
        std::vector<int> region = parseRegion(regionStr);
        for (int i = 0; i < totalFiles; ++i) {
            QString pdfPath = fileList->item(i)->text();
            processPDF(pdfPath.toStdString(), region);
            progressBar->setValue(i + 1);
        }
    }


    std::vector<int> parseRegion(const QString& regionStr) {
        std::vector<int> region;
        QStringList parts = regionStr.split(",");
        for (const QString& part : parts) {
            region.push_back(part.toInt());
        }
        return region;
    }


    void processPDF(const std::string& pdfPath, const std::vector<int>& region) {
        std::vector<std::string> imagePaths = convertPDFToImages(pdfPath);
        for (const std::string& imagePath : imagePaths) {
            std::vector<std::vector<std::string>> tableData = extractTableFromImage(imagePath, region);
            exportTable(tableData, pdfPath);
        }
    }


    std::vector<std::string> convertPDFToImages(const std::string& pdfPath) {
        std::vector<std::string> imagePaths;
        poppler::document* doc = poppler::document::load_from_file(pdfPath);
        if (doc) {
            int numPages = doc->pages();
            for (int i = 0; i < numPages; ++i) {
                poppler::page* page = doc->create_page(i);
                if (page) {
                    poppler::image image = page->render_to_image(300, 300);
                    std::string imagePath = pdfPath.substr(0, pdfPath.find_last_of('.')) + "_page_" + std::to_string(i) + ".png";
                    image.save(imagePath);
                    imagePaths.push_back(imagePath);
                    delete page;
                }
            }
            delete doc;
        }
        return imagePaths;
    }


    std::vector<std::vector<std::string>> extractTableFromImage(const std::string& imagePath, const std::vector<int>& region) {
        std::vector<std::vector<std::string>> tableData;
        // 调用飞桨 OCR 模型进行指定区域的表格识别，后续详细说明
        return tableData;
    }


    void exportTable(const std::vector<std::vector<std::string>>& tableData, const std::string& pdfPath) {
        std::string csvPath = pdfPath.substr(0, pdfPath.find_last_of('.')) + ".csv";
        std::ofstream csvFile(csvPath);
        if (csvFile.is_open()) {
            for (const auto& row : tableData) {
                for (size_t i = 0; i < row.size(); ++i) {
                    csvFile << row[i];
                    if (i < row.size() - 1) {
                        csvFile << ",";
                    }
                }
                csvFile << "\n";
            }
            csvFile.close();
        } else {
            std::cerr << "Failed to open CSV file for writing: " << csvPath << std::endl;
        }
    }


private:
    QPushButton *selectButton;
    QPushButton *processButton;
    QListWidget *fileList;
    QProgressBar *progressBar;
    QLabel *regionLabel;
    QLineEdit *regionEdit;
    QGraphicsView *graphicsView;
    QGraphicsScene *scene;
};


int main(int argc, char *argv[]) {
    QApplication app(argc, argv);
    PDFTableExtractor extractor;
    extractor.show();
    return app.exec();
}
#include "main.moc"

2. 代码解释：

  • PDFTableExtractor 类：
    • selectDirectory 槽函数：使用 QFileDialog 让用户选择包含 PDF 文件的目录，并将 PDF 文件添加到 fileList 中。
    • startProcessing 槽函数：从 regionEdit 获取用户输入的区域信息，将其转换为坐标向量，遍历文件列表进行处理。
    • parseRegion 函数：将用户输入的区域信息（以逗号分隔的字符串）解析为整数坐标向量。
    • processPDF 函数：将 PDF 转换为图像，并调用 extractTableFromImage 对指定区域进行表格识别，最后调用 exportTable 导出表格。
    • convertPDFToImages 函数：使用 Poppler 库将 PDF 页面转换为图像文件。
    • exportTable 函数：将表格数据存储为 CSV 文件。

四、飞桨 OCR 部分的实现

1. 实现指定区域的表格识别：

cpp

#include <paddleocr.h>


std::vector<std::vector<std::string>> extractTableFromImage(const std::string& imagePath, const std::vector<int>& region) {
    std::vector<std::vector<std::string>> tableData;
    PaddleOCR ocr;
    // 假设飞桨有 API 可以指定区域进行 OCR 识别
    // 以下是一种可能的实现方式，具体需根据飞桨 API 调整
    Rect roi(region[0], region[1], region[2], region[3]);  // 创建一个矩形区域
    TablePredictResult tableResult = ocr.runTableWithRegion(imagePath, roi);
    for (const auto& row : tableResult.rows) {
        std::vector<std::string> rowData;
        for (const auto& cell : row.cells) {
            rowData.push_back(cell.text);
        }
        tableData.push_back(rowData);
    }
    return tableData;
}

2. 代码解释：

  • extractTableFromImage 函数：
    • 初始化 PaddleOCR 对象。
    • 用 Rect 对象表示用户指定的区域。
    • 调用飞桨的 runTableWithRegion 方法（假设存在）进行指定区域的表格识别，将结果存储在 tableResult 中。
    • 将表格结果存储在 tableData 向量中。

五、用户自定义区域绘制（可选）

为了让用户更方便地指定区域，可以添加一个功能，允许用户在图像上直接绘制区域：

cpp

#include <QMouseEvent>


class PDFTableExtractor : public QWidget {
    Q_OBJECT
public:
    PDFTableExtractor(QWidget *parent = nullptr) : QWidget(parent), isDrawing(false), startPoint(QPointF()), endPoint(QPointF()) {
        // 其他界面元素创建和布局代码...


        graphicsView->viewport()->installEventFilter(this);
    }


protected:
    bool eventFilter(QObject *obj, QEvent *event) {
        if (obj == graphicsView->viewport()) {
            if (event->type() == QEvent::MouseButtonPress) {
                QMouseEvent *mouseEvent = static_cast<QMouseEvent*>(event);
                if (mouseEvent->button() == Qt::LeftButton) {
                    isDrawing = true;
                    startPoint = mouseEvent->pos();
                    scene->addRect(QRectF(startPoint, startPoint), QPen(Qt::red));
                }
            } else if (event->type() == QEvent::MouseMove && isDrawing) {
                QMouseEvent *mouseEvent = static_cast<QMouseEvent*>(event);
                endPoint = mouseEvent->pos();
                QGraphicsRectItem *rectItem = scene->itemAt(startPoint, graphicsView->transform())->toGraphicsRectItem();
                rectItem->setRect(QRectF(startPoint, endPoint));
            } else if (event->type() == QEvent::MouseButtonRelease && isDrawing) {
                isDrawing = false;
                endPoint = static_cast<QMouseEvent*>(event)->pos();
                QGraphicsRectItem *rectItem = scene->itemAt(startPoint, graphicsView->transform())->toGraphicsRectItem();
                rectItem->setRect(QRectF(startPoint, endPoint));
                regionEdit->setText(QString("%1,%2,%3,%4").arg(startPoint.x()).arg(startPoint.y()).arg(endPoint.x() - startPoint.x()).arg(endPoint.y() - startPoint.y()));
            }
        }
        return QWidget::eventFilter(obj, event);
    }


private:
    bool isDrawing;
    QPointF startPoint;
    QPointF endPoint;
    // 其他成员变量...
};

代码解释：

  • 在 PDFTableExtractor 类中添加 eventFilter 函数，用于处理鼠标事件。
  • 当用户按下鼠标左键时开始绘制矩形，移动鼠标时更新矩形大小，释放鼠标时完成绘制，并将区域信息更新到 regionEdit 中。

六、可能遇到的问题及解决方法

1. 飞桨 API 问题：

  • 问题：飞桨可能没有提供 runTableWithRegion 这样的 API 或其使用方式与假设不同。
  • 解决方法：
    • 深入研究飞桨的官方文档和 API 参考，可能需要结合图像裁剪和飞桨的通用 OCR 功能。先将图像的指定区域裁剪出来，再使用飞桨的 OCR 功能进行识别。例如：

      cpp

      // 假设使用 OpenCV 进行图像裁剪
#include <opencv2/opencv.hpp>


cv::Mat cropImage(const std::string& imagePath, const std::vector<int>& region) {
    cv::Mat image = cv::imread(imagePath);
    cv::Rect roi(region[0], region[1], region[2], region[3]);
    cv::Mat cropped = image(roi);
    return cropped;
}


std::vector<std::vector<std::string>> extractTableFromImage(const std::string& imagePath, const std::vector<int>& region) {
    cv::Mat croppedImage = cropImage(imagePath, region);
    std::string tempImagePath = "temp_cropped_image.png";
    cv::imwrite(tempImagePath, croppedImage);
    PaddleOCR ocr;
    TablePredictResult tableResult = ocr.runTable(tempImagePath);
    std::vector<std::vector<std::string>> tableData;
    for (const auto& row : tableResult.rows) {
        std::vector<std::string> rowData;
        for (const auto& cell : row.cells) {
            rowData.push_back(cell.text);
        }
        tableData.push_back(rowData);
    }
    // 删除临时文件
    std::remove(tempImagePath.c_str());
    return tableData;
}

2. 区域输入问题：

  • 问题：用户输入的区域坐标可能不合法。
  • 解决方法：
    • 在 parseRegion 函数中添加输入验证，确保输入的坐标数量和范围合法，例如：

      收起

      cpp

      std::vector<int> parseRegion(const QString& regionStr) {
    std::vector<int> region;
    QStringList parts = regionStr.split(",");
    if (parts.size() == 4) {
        for (const QString& part : parts) {
            bool ok;
            int coord = part.toInt(&ok);
            if (ok) {
                region.push_back(coord);
            } else {
                // 输入不合法，处理错误
                std::cerr << "Invalid coordinate: " << part.toStdString() << std::endl;
                return {};
            }
        }
    } else {
        // 输入数量不对，处理错误
        std::cerr << "Invalid region format. Please use x,y,width,height." << std::endl;
        return {};
    }
    return region;
}

3. 异常处理和优化：

  • 问题：文件操作、OCR 识别和文件导出等操作可能出现错误。
  • 解决方法：
    • 在 convertPDFToImages 中添加对文件加载和图像保存的异常处理。
    • 在 extractTableFromImage 中添加对飞桨 OCR 识别的异常处理。
    • 在 exportTable 中添加对文件打开失败的异常处理。
    • 对于性能优化，可以使用多线程或异步处理，例如在 QT 中使用 QThread 或 QtConcurrent 来避免界面卡顿。

七、运行项目

1. 编译并运行代码：

  • 将上述代码保存为 main.cpp 文件。
  • 在 QT 开发环境中创建新的项目，添加 main.cpp 文件，并配置 .pro 文件，确保包含所需的库（Poppler 库、飞桨库、OpenCV 库（如果使用））。
  • 编译并运行项目，在界面中选择 PDF 文件目录，通过输入框或直接在图像上绘制指定区域，点击开始处理按钮开始批量处理。

通过上述步骤，你可以使用飞桨模型和 QT 实现对 PDF 扫描件批量识别用户自定义指定区域内容并导出表格。在实际开发中，需要根据飞桨的实际 API 进行调整，同时要注意处理各种异常情况，确保程序的稳定性和可靠性。

八、扩展和优化

1. 支持更多文件格式：

  • 可扩展代码以支持除 PDF 外的其他文件格式，如 TIFF 等图像文件。

2. 高级表格处理：

  • 对于复杂的表格（如合并单元格、嵌套表格），可采用更复杂的算法进行处理。

3. 用户界面优化：

  • 可以添加更多的界面元素，如显示处理状态、处理结果、允许用户选择导出文件格式等。

请根据实际情况对代码进行调整和优化，以满足不同的需求。若在开发过程中遇到问题，可以查阅相关库的官方文档或继续向我咨询。

飞桨端到端预训练模型与迁移学习工具-PaddleHub.pdf
12-01
飞桨端到端预训练模型与迁移学习工具PaddleHub 大纲 1.PaddleHub整体介绍 2.模型即软件 3.PaddleHub迁移学习 4.Hub Serving
图书：《 PaddlePaddle深度学习101》（《飞桨》深度学习框架入门教程）
02-27
使用PaddlePaddle进行深度学习 运行书 您正在阅读的这本书是交互式的-每章都可以作为Jupyter Notebook运行。 我们将这本书，Jupyter，PaddlePaddle和所有依赖项打包到Docker映像中。 因此，除了Docker外，您不需要安装其他任何东西。 如果您使用的是Windows，请按照。 如果您使用的是Mac，请按照。 有关各种Linux发行版，请参阅 。 如果您使用的是Windows或Mac，则可能要给Docker。 只需输入 docker run -d -p 8888:8888 paddlepaddle/book 该命令将从DockerHub.com下载预构建的Docker映像并在容器中运行它。 请将您的Web浏览器定向到以阅读该书。 如果您生活在访问DockerHub.com的地方缓慢，则可以尝试使用我们的镜像服务器hub.baidubce.co
图文识别0难度上手~基于飞浆对pdf简易ocr并转txt
weixin_42179685的博客
07-02 994
本篇pdf适用windows对视觉识别0基础的的纯小白用户。大佬请绕道~~注意：本项目pdf的ocr对于表格、画图文字，水印等干扰没做任何处理，因此希望各位使用该功能的pdf尽量不要含有这些干扰项，以免影响翻译效果。
使用百度飞桨PaddleOCR进行OCR识别
wavehaha的博客
09-06 4186
在使用过程中需要安装库，可以依据代码运行过程中的提示安装。我使用的为，安装库为： 我主要使用图片OCR以及PDF转DOCX文件，后者需要poppler，我使用的系统为windows.在此处进行下载： https://github.com/oschwartz10612/poppler-windows/releases/tag/v24.07.0-0 解压后需要将poppler的bin路径加到系统环境变量path中 5、pdf ocr代码样例： 注意修改为自己的文件路径 6、识别效果： 原文件： 识别效果：
使用飞桨和 QT 技术实现批量识别图片指定区域文字并重命名的详细步骤
bbyn24955的博客
01-19 1340
在医学影像领域，如X光、CT等图片中，需要识别特定区域的文字注释（例如患者姓名、检查日期、病灶标注等）。批量处理这些影像图片时，通过指定区域识别文字并重命名，可以确保数据的准确性和可追溯性，方便医生进行病例分析和研究。总之，通过以上步骤，可以实现一个基于飞桨和QT的批量识别图片指定区域文字并重命名的软件。在实际开发中，需要不断测试和优化，以确保软件的稳定性和用户体验。
【PDF识别提取表格】如何将PDF指定区域自动识别并提取数据到Excel 文件的详细开发步骤
bbyn24955的博客
01-19 3092
通过上述步骤，你可以使用Python和PaddlePaddle从PDF的指定区域进行OCR识别，并将结果存储到Excel文件中。你可以根据实际情况调整和优化代码，以适应不同的PDF文件和OCR需求。银行和金融机构有众多的金融文档PDF，如贷款申请表、财务报表等。从特定的表格区域或文本区域进行OCR识别，提取诸如客户账号、贷款金额、报告期等关键信息，并用于文件重命名，有助于金融机构更好地管理客户资料和财务数据。假设提取的文本数据可以用换行符分隔：python。
基于百度飞桨PaddleOCR的图片文字识别
jianxuezixuan的博客
12-08 7510
基于百度飞桨PaddleOCR的图片文字识别
PP-DocLayoutV3与Qt框架结合：开发跨平台桌面文档解析工具
最新发布
weixin_30820933的博客
03-26 134
本文介绍了如何利用星图GPU平台自动化部署PP-DocLayoutV3镜像，并结合Qt框架开发跨平台桌面文档解析工具。该方案能将扫描版PDF或图片中的文字、表格、图片等元素进行智能版面分析，并生成可视化、可编辑的结构化数据，极大提升了文档数字化处理的效率。
PP-DocLayoutV3与QT框架结合：跨平台文档分析工具开发
weixin_32312889的博客
02-13 393
本文介绍了如何在星图GPU平台上自动化部署PP-DocLayoutV3新一代统一布局分析引擎，以开发跨平台文档分析工具。该工具结合QT框架，能快速、精准地识别扫描文档中的表格、公式、标题等元素，并实现可视化编辑与导出，显著提升文档数字化与信息提取效率。
PP-DocLayoutV3与Qt框架开发：构建跨平台桌面文档分析工具
weixin_42097508的博客
03-04 95
本文介绍了如何利用星图GPU平台自动化部署PP-DocLayoutV3镜像，快速构建跨平台桌面文档分析工具。该工具基于Qt框架开发，能够自动识别PDF文档中的标题、正文、表格等版面元素，并高亮可视化，可广泛应用于合同审查、报告整理等文档自动化处理场景。
PP-DocLayoutV3在QT桌面应用中的集成实战
weixin_42506884的博客
03-11 19
本文介绍了如何在星图GPU平台上自动化部署PP-DocLayoutV3新一代统一布局分析引擎，并将其集成到QT桌面应用中。通过该方案，开发者可快速构建本地化文档处理工具，实现扫描文档或图片中文本、表格、公式等元素的智能识别与结构化提取，提升办公自动化效率。
跨平台开发：基于Qt框架构建PP-DocLayoutV3的桌面级文档解析工具
weixin_31315007的博客
03-03 241
本文介绍了如何利用星图GPU平台，实现PP-DocLayoutV3镜像的自动化部署，以快速构建跨平台的桌面级文档解析工具。该工具基于Qt框架开发，核心功能是自动识别并提取扫描文档或图片中的版面元素，如标题、段落、表格和图片，适用于本地化的文档数字化与结构化处理场景，保障数据隐私与处理效率。
飞桨PaddlePaddle-源于产业实践的开源深度学习平台.pdf
03-31
使用深度学习框架完成模型构建有如下两个优势： 1. 节省编写大量底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构。同时，深度 学习工具简化了计算，降低了深度学习入门门槛 2. 省去了部署和适配环境的烦恼：具备灵活的移植性，可将代码部署到CPU/GPU/移动端上， 选择具有分布式性能的深度学习工具会使模型训练更高效。
PP-DocLayoutV3与Qt框架开发：打造跨平台桌面版文档智能处理工具
weixin_35391606的博客
03-23 202
本文介绍了如何利用星图GPU平台，自动化部署PP-DocLayoutV3镜像，以构建跨平台的桌面文档智能处理工具。该工具的核心应用场景是，在本地离线环境下，对扫描版PDF或图片格式的文档进行自动化版面分析与关键信息提取，有效解决数据隐私与网络依赖问题。
使用paddleocr飞浆识别pdf表格以及文本
lwdfzr的博客
09-24 721
1. 识别pdf上的表格。2. 识别pdf上的文本。
【图片区域识别改名】使用飞桨模型和 QT 实现图片型PDF扫描件的批量OCR识别与重命名
bbyn24955的博客
01-19 900
通过上述的实现，我们成功地使用QT框架创建了一个简单的应用程序，结合飞桨的OCR模型和Poppler库，实现了对PDF扫描件的批量识别区域内容并重命名的功能。在实际应用中，可以进一步优化代码，例如增加更多的用户界面元素、对OCR结果进行更细致的处理，以及处理更多的异常情况，以满足不同用户的需求。请注意，以上代码仅为一个基础实现，在实际使用中可能需要进一步完善，例如添加更多的异常处理，确保文件操作的安全性和可靠性，以及优化用户界面的交互体验等。
【PDF识别内容提取表格教程】指定PDF多个识别区域，批量识别文字内容并保存到Excel中，教你用Python实现详细步骤
bbyn24955的博客
01-21 1477
为了解决这一问题，我们提出了一个基于 Python 和飞桨（PaddlePaddle）的自动化信息提取项目。飞桨是一个功能强大的深度学习平台，拥有丰富的预训练模型和灵活的开发工具，可以帮助我们实现对 PDF 文档中多个指定区域的文字内容进行批量识别。本项目旨在开发一款工具，使用户能够方便地指定 PDF 中的多个区域，利用飞桨的强大能力自动识别这些区域的文字内容，并将提取的信息存储到 Excel 表格中，方便后续的数据分析、整理和存储。
PaddleOCR实现对表格的提取
zcc_0015的专栏
01-21 7049
paddleocr， 图像识别，表格提取
【扫描PDF提取转表格】扫描PDF文档指定多个识别区域，识别固定位置的文字并保存到Excel，Python和飞桨的完整解决方案
bbyn24955的博客
02-02 2404
以下是使用 Python 和飞桨（PaddleOCR）实现扫描 PDF 文档指定多个识别区域，识别固定位置的文字并导出到 Excel 的详细步骤、完整代码和应用场景介绍。
炸裂！PDF转Word彻底告别收费时代，这个OCR开源项目要逆天！
2401_86168842的博客
10-10 2077
随着企业数字化进程不断加速，PDF转Word的功能、纸质文本的电子化存储、文件复原与二次编辑、信息检索等应用都有着强烈的企业需求。目前市面上已有一些软件，但普遍需要繁琐的安装注册操作，大多还存在额度限制。此外，最终转换效果也依赖于版面形态，无法做到针对性适配。图1 PDF文件转Word文件效果图：新增图像矫正和版面复原模块，支持标准格式pdf和图片格式pdf解析！版面分析：发布轻量级版面分析模型，，平均!表格识别：设计3大优化策略，预测耗时不变情况下，。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值