DeepFigures-Open 开源项目教程

DeepFigures-Open 开源项目教程

deepfigures-openCompanion code to the paper "Extracting Scientific Figures with Distantly Supervised Neural Networks" 🤖项目地址:https://gitcode.com/gh_mirrors/de/deepfigures-open

项目介绍

DeepFigures-Open 是一个用于从科学论文中提取图表的开源项目。该项目基于深度神经网络，旨在自动识别和提取PDF文档中的图表及其相关信息。DeepFigures-Open 是论文 "Extracting Scientific Figures with Distantly Supervised Neural Networks" 的配套代码。

项目快速启动

环境准备

1. 克隆项目仓库：

   git clone https://github.com/allenai/deepfigures-open.git
   cd deepfigures-open
   

2. 下载模型权重：

   • 从这里下载权重文件的 tarball。
   • 解压并放置 weights/ 目录到项目根目录。

3. 设置环境变量：

   • 编辑 deepfigures/settings.py 文件，设置 TENSORBOX_MODEL 为权重目录路径。

4. 编译 pdffigures2：

   git clone https://github.com/allenai/pdffigures2
   cd pdffigures2
   sbt assembly
   mv target/scala-2.11/pdffigures2-assembly-0.0.12-SNAPSHOT.jar ../bin/
   cd ..
   rm -rf pdffigures2
   

运行示例

1. 生成训练数据：

   python manage.py generatearxiv
   

2. 提取图表：

   python manage.py detectfigures --pdf-path=/path/to/your/pdf
   

应用案例和最佳实践

应用案例

DeepFigures-Open 可以广泛应用于科研领域，例如：

• 自动化文献整理：自动提取文献中的图表，加速文献综述过程。
• 数据挖掘：从大量科学论文中提取图表数据，用于进一步分析和研究。

最佳实践

• 定期更新模型：随着新论文的发布，定期更新训练数据和模型，以保持提取准确性。
• 多模型融合：结合其他图表识别模型，提高图表提取的准确率和鲁棒性。

典型生态项目

pdffigures2

pdffigures2 是一个用于从PDF文档中提取图表和标题的工具。DeepFigures-Open 依赖于 pdffigures2 进行图表标题的提取。

TensorBox

TensorBox 是一个基于深度学习的对象检测框架，DeepFigures-Open 使用了 TensorBox 的模型进行图表的识别和定位。

通过这些生态项目的结合，DeepFigures-Open 提供了一个完整的图表提取解决方案。

deepfigures-openCompanion code to the paper "Extracting Scientific Figures with Distantly Supervised Neural Networks" 🤖项目地址:https://gitcode.com/gh_mirrors/de/deepfigures-open