ocr_platform/ocr_tools/paddle_common/config

PaddleX Pipeline 配置文件

本目录包含 PaddleX 的 pipeline 配置文件，用于配置不同的文档解析 pipeline。

配置文件分类

PaddleOCR-VL 相关配置

• PaddleOCR-VL.yaml: 基础 PaddleOCR-VL pipeline 配置
• PaddleOCR-VL-Client.yaml: PaddleOCR-VL 客户端配置
• PaddleOCR-VL-Client-RT-DETR-H_layout_17cls.yaml: 使用 RT-DETR-H 布局检测模型的 PaddleOCR-VL 配置（17 类布局）

PP-StructureV3 相关配置

• PP-StructureV3.yaml: 基础 PP-StructureV3 pipeline 配置
• PP-StructureV3-zhch.yaml: 自定义的 PP-StructureV3 配置（zhch 版本）
• PP-StructureV3-RT-DETR-H_layout_17cls.yaml: 使用 RT-DETR-H 布局检测模型的 PP-StructureV3 配置（17 类布局）

其他配置

• layout_parsing.yaml: 布局解析配置
• table_recognition_v2.yaml: 表格识别 V2 配置
• table_recognition_v2-zhch.yaml: 自定义的表格识别 V2 配置（zhch 版本）

使用方法

在命令行中使用

# 使用相对路径（从工具目录运行）
python main.py --input document.pdf --output_dir ./output \
  --pipeline ../paddle_common/config/PaddleOCR-VL-Client-RT-DETR-H_layout_17cls.yaml

# 使用绝对路径
python main.py --input document.pdf --output_dir ./output \
  --pipeline /path/to/ocr_platform/ocr_tools/paddle_common/config/PP-StructureV3-zhch.yaml

在代码中使用

from pathlib import Path

# 获取配置文件路径
config_dir = Path(__file__).parent / "config"
config_path = config_dir / "PaddleOCR-VL-Client-RT-DETR-H_layout_17cls.yaml"

# 使用配置文件初始化 pipeline
processor = PaddleXProcessor(
    pipeline_name=str(config_path),
    device="gpu:0"
)

配置文件说明

PaddleOCR-VL vs PP-StructureV3

• PaddleOCR-VL: 基于视觉语言模型的文档解析，专注于视觉理解
• PP-StructureV3: 更全面的文档结构分析，包括表格、公式、图表等识别

RT-DETR-H 布局检测模型

使用 RT-DETR-H 作为布局检测模型，支持 17 类布局检测：

• abstract, algorithm, aside_text, chart, content, formula
• doc_title, figure_title, footer, footnote, formula_number
• header, image, number, paragraph_title, reference
• reference_content, seal, table, text, vision_footnote

自定义配置（zhch 版本）

带有 -zhch 后缀的配置文件是自定义版本，可能包含：

• 调整的阈值参数
• 优化的模型配置
• 特定的功能开关设置

注意事项

1. 路径引用：配置文件路径可以是相对路径或绝对路径
2. Pipeline 名称：也可以直接使用 pipeline 名称（如 PaddleOCR-VL），无需指定配置文件
3. 设备配置：某些配置可能需要特定的设备（GPU/CPU）支持
4. 模型文件：确保配置文件中指定的模型文件已正确安装

相关工具

• paddle_vl_tool: PaddleOCR-VL 批量处理工具
• ppstructure_tool: PP-StructureV3 批量处理工具
• paddle_common: PaddleX 共享核心模块