表格转换器(Table Transformer): 深度学习模型用于从非结构化文档中提取表格

最新推荐文章于 2024-08-09 08:07:56 发布

石玥含Lane

最新推荐文章于 2024-08-09 08:07:56 发布

阅读量885

点赞数 23

本文链接：https://blog.csdn.net/gitblog_00638/article/details/141045532

版权

表格转换器(Table Transformer): 深度学习模型用于从非结构化文档中提取表格

table-transformerTable Transformer (TATR) is a deep learning model for extracting tables from unstructured documents (PDFs and images). This is also the official repository for the PubTables-1M dataset and GriTS evaluation metric.项目地址:https://gitcode.com/gh_mirrors/ta/table-transformer

1. 项目介绍

表格转换器(Table Transformer, 简称 TATR)是微软推出的一个深度学习模型，旨在从图像或PDF等非结构化文档中提取出表格数据。此模型基于Transformer架构，在大规模数据集PubTables-1M上进行训练，能够识别并定位复杂环境中的各种表格布局。

该项目不仅提供了高性能的表格检测和结构解析模型，还包含了详细的评估指标GriTS，以及一系列用于测试和验证模型性能的数据集。

此外，Microsoft在Hugging Face平台上维护了一个细调后的版本，专门用于表格检测任务，这极大地降低了模型的使用门槛，使开发者可以轻松集成到自己的应用程序中，实现对表格数据的自动化处理和分析。

2. 项目快速启动

要开始使用表格转换器(TATR)，首先需要安装必要的依赖库。确保你的环境中已安装Python及以下包：

pip install git+https://github.com/microsoft/table-transformer.git
pip install torch torchvision
pip install transformers

接着，通过下面的代码示例来加载预训练模型，并运行一个简单的检测流程:

from transformers import TableTransformerForObjectDetection
import requests
from PIL import Image
import numpy as np

# 加载预训练模型
model = TableTransformerForObjectDetection.from_pretrained('microsoft/table-transformer-detection')

# 准备图片数据
url = 'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/transformers/tasks/object-detection.png'
image = Image.open(requests.get(url, stream=True).raw)

# 转换为模型输入格式
pixel_values = model.feature_extractor(images=image, return_tensors="pt").pixel_values

# 运行模型预测
outputs = model(pixel_values)
target_sizes = torch.tensor([image.size[::-1]])
results = model.post_process_object_detection(outputs, threshold=0.9, target_sizes=target_sizes)[0]

# 解析结果
for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
    box = [round(i, 2) for i in box.tolist()]
    print(f"发现表格区域: ({box[0]}, {box[1]}) ({box[2]}, {box[3]}) 分数: {score.item():.2f}")

通过上述代码，你可以迅速地在本地环境中部署表格检测功能，并开始尝试从不同的文档中提取表格。