PP-DocBlockLayout_onnx是什么?一文读懂95.9% mAP的文档版面检测模型
PP-DocBlockLayout_onnx是什么?一文读懂95.9% mAP的文档版面检测模型
PP-DocBlockLayout_onnx 是 PaddleOCR 开源的文档版面检测模型的 ONNX 版本,基于 RT-DETR-L 骨干网络训练,在自建评测集上取得 95.9% mAP(0.5) 的高精度,能自动定位中英文论文、PPT、杂志、合同、试卷等复杂文档中的版面区域(Region)。对于想把版面检测集成到生产环境、又不想依赖 PaddlePaddle 框架的用户来说,这份 ONNX 模型 + 配置文件的形式是最省心的选择。
📄 什么是文档版面检测?
文档版面检测(Layout Detection) 是 OCR 流水线的第一步:在一张文档图片中,自动找出标题、正文、表格、图片、公式等各个内容块的位置框,回答"这块内容在哪里"的问题。
它和文字识别(OCR 识别内容是什么)是两个环节。版面检测先行,把文档切成若干结构化区域,后续才能对每个区域分别做文字识别、表格解析、公式还原等处理,是实现文档智能解析、PDF 结构化、智能摘要等能力的基础。
PP-DocBlockLayout 的特点是:
- 单一 Region 类别:把任意版面元素统一框出为
Region,简单直接,覆盖"找出所有内容块"的核心需求 - 覆盖文档类型广:训练集涵盖中文/英文论文、PPT、多栏杂志、合同、书籍、试卷、古籍、研究报告等
- 高精度:在自建评测集(约 1000 张多类型文档图片)上达到 95.9% mAP(0.5)
🚀 快速上手:两步跑通版面检测
一键安装依赖
只需安装 PaddleOCR 工具库和 ONNX Runtime(GPU 版):
pip install -U paddleocr
pip install -U onnxruntime-gpu
命令行一行出结果
paddleocr layout_detection -i ./demo.jpg --model_name PP-DocBlockLayout --engine onnxruntime
指定 --engine onnxruntime 后,推理就会使用本仓库的 inference.onnx 模型文件,无需安装完整的 PaddlePaddle 框架,部署更轻量。
Python API 集成
如果是嵌入到自己的应用中,Python 接口同样简洁:
from paddleocr import LayoutDetection
model = LayoutDetection(
model_name="PP-DocBlockLayout",
engine="onnxruntime",
)
output = model.predict("./demo.jpg", batch_size=1)
for res in output:
res.print()
res.save_to_img(save_path="./output/") # 保存可视化结果图
res.save_to_json(save_path="./output/res.json") # 保存结构化 JSON
🔍 核心文件解读:模型与配置
整个仓库只有 3 个文件,各司其职,结构一目了然:
| 文件 | 作用 |
|---|---|
| README.md | 模型介绍、精度指标与使用方法 |
| inference.onnx | ONNX 推理模型文件(约 129MB,通过 Git LFS 托管) |
| inference.yml | 推理配置:预处理、类别、评价指标等 |
打开 inference.yml 可以看到几个关键配置:
arch: DETR:采用 DETR 系检测架构,端到端输出,无需 NMS 后处理- 输入尺寸 640×640:
Preprocess中将图片 Resize 到 640×640(interp: 2双线性插值) label_list: [Region]:仅一个类别,即文档版面区域metric: COCO:按 COCO 协议(mAP)评估检测精度- TensorRT 支持:配置中带有 TRT 动态 shape(batch 1~8),生产环境可用 TensorRT 进一步提升推理速度
这种"一个 ONNX 文件 + 一个 YAML 配置"的交付方式,意味着你可以把它直接拷贝到任意支持 ONNX Runtime 的服务里加载使用,真正做到跨平台、低依赖。
🎯 适用场景与选型建议
推荐使用的场景:
- 文档解析、PDF 结构化前的版面切分
- 合同、报表、试卷等固定版式文档的批量处理
- 无法安装 PaddlePaddle 框架、需要纯 ONNX Runtime 部署的环境
- 作为 OCR 流水线的第一级:先定位区域,再逐区域识别
选型小贴士:
- 如果追求最高精度且可以安装 PaddlePaddle,可选择 PP-DocBlockLayout 的 PaddlePaddle 原版;本仓库的 ONNX 版在保持同等架构与配置的前提下,主打部署便利性
- 推理时默认置信度阈值
draw_threshold: 0.5,如对漏检/误检不满意,可在调用侧微调阈值 - ONNX 文件较大(约 129MB),clone 仓库时请确保已安装
git-lfs,否则下载到的只是指针文件
✨ 小结
PP-DocBlockLayout_onnx 用极精简的文件结构(ONNX 模型 + YAML 配置),把 95.9% mAP 的高精度文档版面检测能力带给了所有开发者:不挑框架、不挑平台,两条命令即可跑通。如果你正在搭建文档智能解析、OCR 预处理或 RAG 文档入库流水线,不妨先用 paddleocr layout_detection 命令测一张自己的文档图片,看看 Region 框出的效果再决定是否集成。