Skip to content

Commit

Permalink
deploy: 11036f7
Browse files Browse the repository at this point in the history
  • Loading branch information
@Joker1212
Joker1212 committed Sep 12, 2024
1 parent 3e2c227 commit 1f59143
Show file tree
Hide file tree
Showing 16 changed files with 73 additions and 55 deletions.
4 changes: 2 additions & 2 deletions docs/blog/index.html
View file
Original file line number Diff line number Diff line change
Expand Up @@ -726,8 +726,8 @@ <h1 class="content-title mb-0">
id: 3 ,
href: "\/TableStructureRec\/docs\/install_usage\/lineless_table_rec\/",
title: "lineless_table_rec",
description: "简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。 在这里，我们做的工作主要包括以下两点： 将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR 模型转换ONNX link详情参考：ConvertLOREToONNX 安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 from lineless_table_rec import LinelessTableRecognition engine = LinelessTableRecognition() img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_str, elapse = engine(img_path) print(table_str) print(elapse) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.",
content: " 简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 from lineless_table_rec import LinelessTableRecognition engine = LinelessTableRecognition() img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_str, elapse = engine(img_path) print(table_str) print(elapse) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.74 70 23 Ella 26 女 1.60 58 23 Eartha 女 1.34 29 16 Thelonious 6 男 1.07 17 15 TARO 22 男 1.728 65 21.7 HANAKO 22 女 1.60 53 20.7 NARMAN 38 男 1.76 73 NAOMI 23 女 1.63 60 "
description: "简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 import os from lineless_table_rec import LinelessTableRecognition from lineless_table_rec.utils_table_recover import ( format_html, plot_rec_box, plot_rec_box_with_logic_info, ) output_dir = \"outputs\" img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_rec = LinelessTableRecognition() html, elasp, polygons, logic_points, ocr_res = table_rec(img_path) print(f\"cost: {elasp:.5f}\") complete_html = format_html(html) os.makedirs(os.path.dirname(f\"{output_dir}/table.html\"), exist_ok=True) with open(f\"{output_dir}/table.html\", \"w\", encoding=\"utf-8\") as file: file.write(complete_html) plot_rec_box_with_logic_info( img_path, f\"{output_dir}/table_rec_box.jpg\", logic_points, polygons ) plot_rec_box(img_path, f\"{output_dir}/ocr_box.",
content: " 简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 import os from lineless_table_rec import LinelessTableRecognition from lineless_table_rec.utils_table_recover import ( format_html, plot_rec_box, plot_rec_box_with_logic_info, ) output_dir = \"outputs\" img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_rec = LinelessTableRecognition() html, elasp, polygons, logic_points, ocr_res = table_rec(img_path) print(f\"cost: {elasp:.5f}\") complete_html = format_html(html) os.makedirs(os.path.dirname(f\"{output_dir}/table.html\"), exist_ok=True) with open(f\"{output_dir}/table.html\", \"w\", encoding=\"utf-8\") as file: file.write(complete_html) plot_rec_box_with_logic_info( img_path, f\"{output_dir}/table_rec_box.jpg\", logic_points, polygons ) plot_rec_box(img_path, f\"{output_dir}/ocr_box.jpg\", ocr_res) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.74 70 23 Ella 26 女 1.60 58 23 Eartha 女 1.34 29 16 Thelonious 6 男 1.07 17 15 TARO 22 男 1.728 65 21.7 HANAKO 22 女 1.60 53 20.7 NARMAN 38 男 1.76 73 NAOMI 23 女 1.63 60 "
}
);
index.add(
Expand Down
4 changes: 2 additions & 2 deletions docs/blog/lineless_table_rec/index.html
View file
Original file line number Diff line number Diff line change
Expand Up @@ -809,8 +809,8 @@ <h3 id="参考资料">参考资料 <a href="#%e5%8f%82%e8%80%83%e8%b5%84%e6%96%9
id: 3 ,
href: "\/TableStructureRec\/docs\/install_usage\/lineless_table_rec\/",
title: "lineless_table_rec",
description: "简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。 在这里，我们做的工作主要包括以下两点： 将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR 模型转换ONNX link详情参考：ConvertLOREToONNX 安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 from lineless_table_rec import LinelessTableRecognition engine = LinelessTableRecognition() img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_str, elapse = engine(img_path) print(table_str) print(elapse) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.",
content: " 简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 from lineless_table_rec import LinelessTableRecognition engine = LinelessTableRecognition() img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_str, elapse = engine(img_path) print(table_str) print(elapse) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.74 70 23 Ella 26 女 1.60 58 23 Eartha 女 1.34 29 16 Thelonious 6 男 1.07 17 15 TARO 22 男 1.728 65 21.7 HANAKO 22 女 1.60 53 20.7 NARMAN 38 男 1.76 73 NAOMI 23 女 1.63 60 "
description: "简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 import os from lineless_table_rec import LinelessTableRecognition from lineless_table_rec.utils_table_recover import ( format_html, plot_rec_box, plot_rec_box_with_logic_info, ) output_dir = \"outputs\" img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_rec = LinelessTableRecognition() html, elasp, polygons, logic_points, ocr_res = table_rec(img_path) print(f\"cost: {elasp:.5f}\") complete_html = format_html(html) os.makedirs(os.path.dirname(f\"{output_dir}/table.html\"), exist_ok=True) with open(f\"{output_dir}/table.html\", \"w\", encoding=\"utf-8\") as file: file.write(complete_html) plot_rec_box_with_logic_info( img_path, f\"{output_dir}/table_rec_box.jpg\", logic_points, polygons ) plot_rec_box(img_path, f\"{output_dir}/ocr_box.",
content: " 简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 import os from lineless_table_rec import LinelessTableRecognition from lineless_table_rec.utils_table_recover import ( format_html, plot_rec_box, plot_rec_box_with_logic_info, ) output_dir = \"outputs\" img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_rec = LinelessTableRecognition() html, elasp, polygons, logic_points, ocr_res = table_rec(img_path) print(f\"cost: {elasp:.5f}\") complete_html = format_html(html) os.makedirs(os.path.dirname(f\"{output_dir}/table.html\"), exist_ok=True) with open(f\"{output_dir}/table.html\", \"w\", encoding=\"utf-8\") as file: file.write(complete_html) plot_rec_box_with_logic_info( img_path, f\"{output_dir}/table_rec_box.jpg\", logic_points, polygons ) plot_rec_box(img_path, f\"{output_dir}/ocr_box.jpg\", ocr_res) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.74 70 23 Ella 26 女 1.60 58 23 Eartha 女 1.34 29 16 Thelonious 6 男 1.07 17 15 TARO 22 男 1.728 65 21.7 HANAKO 22 女 1.60 53 20.7 NARMAN 38 男 1.76 73 NAOMI 23 女 1.63 60 "
}
);
index.add(
Expand Down
4 changes: 2 additions & 2 deletions docs/blog/table_rec_evaluate/index.html
View file
Original file line number Diff line number Diff line change
Expand Up @@ -952,8 +952,8 @@ <h4 id="3-推理代码">3. 推理代码 <a href="#3-%e6%8e%a8%e7%90%86%e4%bb%a3%
id: 3 ,
href: "\/TableStructureRec\/docs\/install_usage\/lineless_table_rec\/",
title: "lineless_table_rec",
description: "简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。 在这里，我们做的工作主要包括以下两点： 将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR 模型转换ONNX link详情参考：ConvertLOREToONNX 安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 from lineless_table_rec import LinelessTableRecognition engine = LinelessTableRecognition() img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_str, elapse = engine(img_path) print(table_str) print(elapse) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.",
content: " 简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 from lineless_table_rec import LinelessTableRecognition engine = LinelessTableRecognition() img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_str, elapse = engine(img_path) print(table_str) print(elapse) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.74 70 23 Ella 26 女 1.60 58 23 Eartha 女 1.34 29 16 Thelonious 6 男 1.07 17 15 TARO 22 男 1.728 65 21.7 HANAKO 22 女 1.60 53 20.7 NARMAN 38 男 1.76 73 NAOMI 23 女 1.63 60 "
description: "简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 import os from lineless_table_rec import LinelessTableRecognition from lineless_table_rec.utils_table_recover import ( format_html, plot_rec_box, plot_rec_box_with_logic_info, ) output_dir = \"outputs\" img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_rec = LinelessTableRecognition() html, elasp, polygons, logic_points, ocr_res = table_rec(img_path) print(f\"cost: {elasp:.5f}\") complete_html = format_html(html) os.makedirs(os.path.dirname(f\"{output_dir}/table.html\"), exist_ok=True) with open(f\"{output_dir}/table.html\", \"w\", encoding=\"utf-8\") as file: file.write(complete_html) plot_rec_box_with_logic_info( img_path, f\"{output_dir}/table_rec_box.jpg\", logic_points, polygons ) plot_rec_box(img_path, f\"{output_dir}/ocr_box.",
content: " 简介 linklineless_table_rec库源于阿里读光-LORE无线表格结构识别模型。\n在这里，我们做的工作主要包括以下两点：\n将模型转换为ONNX格式，便于部署 完善后处理代码，与OCR识别模型整合，可以保证输出结果为完整的表格和对应的内容 info 该库仅提供推理代码，如有训练模型需求，请移步LORE-TSR\n模型转换ONNX link详情参考：ConvertLOREToONNX\n安装 link pip install lineless_table_rec 使用 link Python脚本使用 终端使用 import os from lineless_table_rec import LinelessTableRecognition from lineless_table_rec.utils_table_recover import ( format_html, plot_rec_box, plot_rec_box_with_logic_info, ) output_dir = \"outputs\" img_path = \"tests/test_files/lineless_table_recognition.jpg\" table_rec = LinelessTableRecognition() html, elasp, polygons, logic_points, ocr_res = table_rec(img_path) print(f\"cost: {elasp:.5f}\") complete_html = format_html(html) os.makedirs(os.path.dirname(f\"{output_dir}/table.html\"), exist_ok=True) with open(f\"{output_dir}/table.html\", \"w\", encoding=\"utf-8\") as file: file.write(complete_html) plot_rec_box_with_logic_info( img_path, f\"{output_dir}/table_rec_box.jpg\", logic_points, polygons ) plot_rec_box(img_path, f\"{output_dir}/ocr_box.jpg\", ocr_res) $ lineless_table_rec -img tests/test_files/lineless_table_recognition.jpg 查看效果 link 识别结果（点击展开） 姓名 年龄 性别 身高/m 体重/kg BMI/(kg/m²) Duke 34 男 1.74 70 23 Ella 26 女 1.60 58 23 Eartha 女 1.34 29 16 Thelonious 6 男 1.07 17 15 TARO 22 男 1.728 65 21.7 HANAKO 22 女 1.60 53 20.7 NARMAN 38 男 1.76 73 NAOMI 23 女 1.63 60 "
}
);
index.add(
Expand Down
Loading

0 comments on commit 1f59143

Please sign in to comment.