MinerU 系列教程 第九课：版面分析模型 - PP-DocLayout V2

张开发
• 2026/4/18 2:15:37 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

MinerU 系列教程 第九课：版面分析模型 - PP-DocLayout V2
MinerU 系列教程 第九篇本篇教程进入模块三：深入篇 - AI 模型详解，将聚焦 Pipeline 后端的第一个核心模型 —— PP-DocLayout V2 版面分析模型。版面分析是整个文档解析流水线的起点：它负责识别页面中每一个元素的类型（标题、文本、表格、图片、公式等）和位置，并预测人类自然的阅读顺序。你将看到基于 RT-DETR 架构的目标检测器如何在 800x800 的归一化图像上识别 25 种文档元素，以及一个独立的 Reading Order 头如何利用空间注意力编码预测阅读序列。学习目标完成本课学习后，你将能够：理解版面分析在文档解析流水线中的核心角色掌握 PP-DocLayout V2 的 RT-DETR 架构（HGNet V2-L 主干 + Transformer 编码器/解码器）了解 25 种文档元素类别的定义及其置信度阈值配置理解阅读顺序预测头（Reading Order Head）的工作原理掌握图像预处理（800x800 归一化）和后处理（阈值过滤、去重、公式重标注）的完整流程读懂mineru/model/layout/pp_doclayoutv2.py的完整代码结构一、版面分析的角色1.1 流水线中的位置

更多文章