yolov8m table extraction

提供商keremberke
分类object-detection
许可证agpl-3.0
下载量1.8K
星标0

简介

这是一个基于 YOLOv8m 架构微调的专项目标检测模型，专门用于识别图像或文档中的表格区域。与通用 OCR 不同，它不负责识别文字，而是充当“表格定位器”，快速在复杂页面中框选出表格的确切位置。对于需要处理大量 PDF 扫描件、发票或报表的开发者来说，它是构建自动化表格解析流水线的理想前端，可将其与 PaddleOCR 或 LayoutLM 结合，实现从“定位表格”到“结构化提取”的完整链路。上手门槛低，推理速度快，非常适合集成到文档数字化处理流程中。

核心亮点

  • 精准定位文档中的表格区域，支持快速扫描
  • 基于 YOLOv8m 架构，兼顾检测精度与推理速度
  • 理想的表格 OCR 前置步骤，简化预处理流程
  • 适用于发票、报表等结构化文档的自动化解析

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("keremberke/yolov8m-table-extraction")
tokenizer = AutoTokenizer.from_pretrained("keremberke/yolov8m-table-extraction")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引 
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库 
huggingface-cli download keremberke/yolov8m-table-extraction

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例） 
huggingface-cli download keremberke/yolov8m-table-extraction config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

SDK 下载 
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('keremberke/yolov8m-table-extraction')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://huggingface.co/keremberke/yolov8m-table-extraction

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/keremberke/yolov8m-table-extraction

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers 
pip install -U transformers torch

模型加载和推理

模型加载和推理 
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('keremberke/yolov8m-table-extraction')
tokenizer = AutoTokenizer.from_pretrained('keremberke/yolov8m-table-extraction')

模型下载

我们推荐使用命令行或者 ModelScope SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 ModelScope：

操作指引 
pip install modelscope

命令行下载

下载完整模型库

下载完整模型库 
modelscope download --model keremberke/yolov8m-table-extraction

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例）

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例） 
modelscope download --model keremberke/yolov8m-table-extraction README.md --local_dir ./dir

更多更丰富的命令行下载选项，可参见具体文档

SDK 下载

SDK 下载 
# 模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('keremberke/yolov8m-table-extraction')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://www.modelscope.cn/keremberke/yolov8m-table-extraction.git

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/keremberke/yolov8m-table-extraction.git

ModelScope 模型页直接下载模型文件；无需将模型文件放在本站服务器。

Notebook 快速开发

下载并安装 ModelScope library

下载并安装 ModelScope library 
pip install "modelscope[audio,cv,nlp,multi-modal,science]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html

模型加载和推理

模型加载和推理 
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

p = pipeline('text-generation', 'keremberke/yolov8m-table-extraction')

完整文档

来源: HuggingFace

---
tags:

  • ultralyticsplus

  • yolov8

  • ultralytics

  • yolo

  • vision

  • object-detection

  • pytorch

  • awesome-yolov8-models

library_name: ultralytics
library_version: 8.0.21
inference: false
datasets:
  • keremberke/table-extraction

model-index:
  • name: keremberke/yolov8m-table-extraction

results:
- task:
type: object-detection
dataset:
type: keremberke/table-extraction
name: table-extraction
split: validation
metrics:
- type: precision
value: 0.95194
name: [email protected](box)
license: agpl-3.0
---

<div align="center">
<img width="640" alt="keremberke/yolov8m-table-extraction" src="https://huggingface.co/keremberke/yolov8m-table-extraction/resolve/main/thumbnail.jpg">
</div>

Supported Labels

code
['bordered', 'borderless']

How to use

bash
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
  • Load model and perform prediction:
python
from ultralyticsplus import YOLO, render_result

load model

model = YOLO('keremberke/yolov8m-table-extraction')

set model parameters

model.overrides['conf'] = 0.25  # NMS confidence threshold
model.overrides['iou'] = 0.45  # NMS IoU threshold
model.overrides['agnostic_nms'] = False  # NMS class-agnostic
model.overrides['max_det'] = 1000  # maximum number of detections per image

set image

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

perform inference

results = model.predict(image)

observe results

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

More models available at: awesome-yolov8-models

查看官方来源