PaddleOCR中SLANet模型TEDS评估差异问题解析
2025-05-01 18:48:22作者:丁柯新Fawn
问题背景
在使用PaddleOCR项目中的SLANet模型对PubTabNet数据集进行表格结构识别评估时,发现实际测试得到的TEDS(表格结构识别评估指标)与官方文档中报告的性能指标存在显著差异。具体表现为:
- 使用最新版本PaddleOCR时,TEDS得分仅为0.4689,远低于官方报告的0.9585
- 通过单张图片测试发现,模型预测的HTML结构与真实标注存在较大差异
- 更换不同版本的PaddleOCR pip包(2.6.0-2.8.0)均未能解决问题
问题排查过程
初步验证
首先对PubTabNet验证集中的前几张图片进行了单独测试,发现模型预测的表格HTML结构与真实标注确实存在较大差异。例如第一张图片的TEDS得分仅为0.3616,表明模型在表格结构识别和内容识别上都存在问题。
环境检查
确认了运行环境配置:
- Python 3.11
- PaddlePaddle 3.0.0b2
- CUDA 12.4
- 每次测试前都清除了缓存文件(ocr.pickle和structure.pickle)
版本对比测试
尝试了多种解决方案:
- 通过pip安装不同版本的PaddleOCR(2.6.0-2.8.0)
- 在不同计算机上进行测试
- 使用TableRec Master分支
这些尝试均未能解决问题,TEDS得分仍然偏低。
问题根源
最终发现问题的关键在于版本切换方式。之前仅通过pip安装不同版本的PaddleOCR包,而没有同步切换代码仓库的版本。正确的做法应该是:
- 使用git checkout命令切换到特定版本标签
- 例如:
git checkout tags/v2.8.0
解决方案
采用正确的版本切换方式后:
- TEDS得分提升至0.9585,与官方报告结果一致
- 表格结构识别准确率显著提高
- 模型预测的HTML结构与真实标注高度吻合
经验总结
- 版本一致性:在使用开源项目时,必须确保代码仓库版本与依赖包版本完全一致
- 缓存管理:评估前清除缓存文件是正确的做法,但需要配合完整的版本切换
- 评估方法:对于表格识别任务,TEDS是更全面的评估指标,应关注结构识别和内容识别的综合表现
- 环境隔离:建议使用虚拟环境或容器技术来管理不同版本的实验环境
最佳实践建议
- 对于PaddleOCR项目,推荐使用git管理代码,并通过标签切换版本
- 表格识别任务评估时,建议先在小样本上验证评估流程的正确性
- 记录完整的运行环境配置,包括Python版本、CUDA版本等
- 对于性能差异问题,可以从模型权重、预处理流程、后处理逻辑等多方面排查
通过本次问题排查,我们深入理解了PaddleOCR表格识别模块的工作机制,也为类似问题的解决提供了参考方案。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

React Native鸿蒙化仓库
JavaScript
211
287

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

暂无简介
Dart
526
116

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
987
583

openGauss kernel ~ openGauss is an open source relational database management system
C++
148
197

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
46
0

ArkUI-X adaptation to Android | ArkUI-X支持Android平台的适配层
C++
39
55

ArkUI-X adaptation to iOS | ArkUI-X支持iOS平台的适配层
Objective-C++
19
44