点击上方 蓝色 “ 顶层架构领域 ”，关注精彩与你分享

360LayoutAnalysis 是由360 AI研究院开发的一个开源项目，专注于文档版式分析，即从扫描的文档图像中识别和提取文本、图像、表格和其他元素。 该项目提供了中文论文、英文论文、中文研报三个垂直领域的模型，以及一个通用场景模型，能够支持多场景的文档版式分析需求。

一、核心特性

多场景支持 ：覆盖中文论文、英文论文、中文研报等多个垂直领域及通用场景模型。

轻量化设计 ：基于yolov8训练，单模型大小仅为6.23MB，便于部署和使用。

段落信息提取 ：中文论文场景模型包含段落信息，有利于文本的语义理解和信息提取。

高精度分析 ：中文研报场景和通用场景模型基于数万级别的高质量数据训练，保证了分析的准确性。

开源商用许可 ：支持商用，可通过官方邮箱申请商业用途许可。

易用性 ：提供详细的使用说明和代码示例，便于用户快速上手。

二、技术实现

第一种方案： 针对不同文档类型，可通过解析内部xml文件等简单方式实现，但无法处理扫描版文档且易丢失结构化信息。

第二种方案： 基于OCR-pipeline，能处理扫描版文档并精细处理文档元素，但存在误差传播和大量工作需优化的问题。

第三种方案： OCR-FREE路线，端到端、技术前沿，但存在多模态大模型的幻觉问题和大量训练数据需求，处理速度也较慢。

360LayoutAnalysis 使用基于yolov8的模型进行训练，能够快速地进行轻量化推理。用户可以通过简单的代码示例初始化YOLO模型并加载权重，进而对文档图像进行预测，并根据置信度阈值和其他参数设置来获取所需的预测结果。

三、使用示例

权重下载地址： https://huggingface.co/qihoo360/360LayoutAnalysis

开源权重使用yolov8进行训练，预测方式如下：

from ultralytics import YOLO

image_path = ''  # 待预测图片路径
model_path = ''  # 权重路径
model = YOLO(model_path)

result = model(image_path, save=True, conf=0.5, save_crop=False, line_width=2)
print(result)

print(result[0].names)         # 输出id2label map