| 参数 |
参数说明 |
参数类型 |
可选项 |
默认值 |
model_name |
模型名称 |
str |
无 |
无 |
model_dir |
模型存储路径 |
str |
无 |
无 |
device |
模型推理设备 |
str |
支持指定GPU具体卡号，如“gpu:0”，其他硬件具体卡号，如“npu:0”，CPU如“cpu”。 |
gpu:0 |
use_hpip |
是否启用高性能推理 |
bool |
无 |
False |
img_size |
输入图像大小；如果不指定，将默认使用PaddleX官方模型配置 |
int/list |
- int, 如 640 , 表示将输入图像resize到640x640大小
- 列表, 如 [640, 512] , 表示将输入图像resize到宽为640，高为512大小
|
无 |
threshold |
用于过滤掉低置信度预测结果的阈值；如果不指定，将默认使用PaddleX官方模型配置。在表格单元格检测任务中，适当降低阈值可能有助于获得更准确的结果 |
float/dict |
- float，如 0.2， 表示过滤掉所有阈值小于0.2的目标框
- 字典，字典的key为int类型，代表
cls_id，val为float类型阈值。如 {0: 0.45, 2: 0.48, 7: 0.4}，表示对cls_id为0的类别应用阈值0.45、cls_id为1的类别应用阈值0.48、cls_id为7的类别应用阈值0.4
|
无 |
* 其中，`model_name` 必须指定，指定 `model_name` 后，默认使用 PaddleX 内置的模型参数，在此基础上，指定 `model_dir` 时，使用用户自定义的模型。
* 调用表格单元格检测模型的 `predict()` 方法进行推理预测，`predict()` 方法参数有 `input`、`batch_size`和`threshold`，具体说明如下：
👉 格式转换/数据集划分详情（点击展开）
（1）数据集格式转换
表格单元格检测支持 VOC、LabelMe 格式的数据集转换为 COCO 格式。
数据集校验相关的参数可以通过修改配置文件中 CheckDataset 下的字段进行设置，配置文件中部分参数的示例说明如下：
CheckDataset:convert:enable: 是否进行数据集格式转换，表格单元格检测支持 VOC、LabelMe 格式的数据集转换为 COCO 格式，默认为 False;src_dataset_type: 如果进行数据集格式转换，则需设置源数据集格式，默认为 null，可选值为 VOC、LabelMe 和 VOCWithUnlabeled、LabelMeWithUnlabeled ；
例如，您想转换 LabelMe 格式的数据集为 COCO 格式，以下面的LabelMe 格式的数据集为例，则需要修改配置如下：
cd /path/to/paddlex
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/data/det_labelme_examples.tar -P ./dataset
tar -xf ./dataset/det_labelme_examples.tar -C ./dataset/
......
CheckDataset:
......
convert:
enable: True
src_dataset_type: LabelMe
......
随后执行命令：
python main.py -c paddlex/configs/modules/table_cells_detection/RT-DETR-L_wired_table_cell_det.yaml \
-o Global.mode=check_dataset \
-o Global.dataset_dir=./dataset/det_labelme_examples
当然，以上参数同样支持通过追加命令行参数的方式进行设置，以 LabelMe 格式的数据集为例：
python main.py -c paddlex/configs/modules/table_cells_detection/RT-DETR-L_wired_table_cell_det.yaml \
-o Global.mode=check_dataset \
-o Global.dataset_dir=./dataset/det_labelme_examples \
-o CheckDataset.convert.enable=True \
-o CheckDataset.convert.src_dataset_type=LabelMe
（2）数据集划分
数据集划分的参数可以通过修改配置文件中 CheckDataset 下的字段进行设置，配置文件中部分参数的示例说明如下：
CheckDataset:split:enable: 是否进行重新划分数据集，为 True 时进行数据集格式转换，默认为 False；train_percent: 如果重新划分数据集，则需要设置训练集的百分比，类型为0-100之间的任意整数，需要保证和 val_percent 值加和为100；val_percent: 如果重新划分数据集，则需要设置验证集的百分比，类型为0-100之间的任意整数，需要保证和 train_percent 值加和为100；
例如，您想重新划分数据集为 训练集占比90%、验证集占比10%，则需将配置文件修改为：
......
CheckDataset:
......
split:
enable: True
train_percent: 90
val_percent: 10
......
随后执行命令：
python main.py -c paddlex/configs/modules/table_cells_detection/RT-DETR-L_wired_table_cell_det.yaml \
-o Global.mode=check_dataset \
-o Global.dataset_dir=./dataset/cells_det_coco_examples
数据划分执行之后，原有标注文件会被在原路径下重命名为 xxx.bak。
以上参数同样支持通过追加命令行参数的方式进行设置：
python main.py -c paddlex/configs/modules/table_cells_detection/RT-DETR-L_wired_table_cell_det.yaml \
-o Global.mode=check_dataset \
-o Global.dataset_dir=./dataset/cells_det_coco_examples \
-o CheckDataset.split.enable=True \
-o CheckDataset.split.train_percent=90 \
-o CheckDataset.split.val_percent=10
