RapidTable库是专门用来文档类图像的表格结构还原,表格结构模型均属于序列预测方法,结合RapidOCR,将给定图像中的表格转化对应的HTML格式。

slanet_plus是paddlex内置的SLANet升级版模型,准确率有大幅提升

unitable是来源unitable的transformer模型,精度最高,暂仅支持pytorch推理,支持gpu推理加速,训练权重来源于 OhMyTable项目

2025年08月29日 update: 发布v3.0.0,支持batch推理,更改了返回值参数,大家可debug单条查看使用
2025年06月22日 update: 发布v2.x,适配rapidocr v3.x
2025年01月09日 update: 发布v1.x,全新接口升级
2024年12月30日 update:支持Unitable模型的表格识别,使用pytorch框架
2024年11月24日 update:支持gpu推理,适配 rapidOCR 单字识别匹配,支持逻辑坐标返回及可视化
2024年10月13日 update:补充最新paddlex-SLANet-plus 模型(paddle2onnx原因暂不能支持onnx)

通过ONNXRuntime推理引擎支持(rapid_table>=2.0.0):

• DirectML
• 昇腾NPU

具体使用方法:

1. 安装(需要卸载其他onnxruntime):

   # DirectML
   pip install onnxruntime-directml
   # 昇腾NPU
   pip install onnxruntime-cann

2. 使用:

   from rapidocr import RapidOCR
   from rapid_table import ModelType, RapidTable, RapidTableInput
   # DirectML
   ocr_engine = RapidOCR(params={"EngineConfig.onnxruntime.use_dml": True})
   input_args = RapidTableInput(
    model_type=ModelType.SLANETPLUS, engine_cfg={"use_dml": True}
   )
   # 昇腾NPU
   ocr_engine = RapidOCR(params={"EngineConfig.onnxruntime.use_cann": True})
   input_args = RapidTableInput(
    model_type=ModelType.SLANETPLUS,
    engine_cfg={"use_cann": True, "cann_ep_cfg.gpu_id": 1},
   )
   table_engine = RapidTable(input_args)
   img_path = "https://raw.githubusercontent.com/RapidAI/RapidTable/refs/heads/main/tests/test_files/table.jpg"
   ori_ocr_res = ocr_engine(img_path)
   ocr_results = [ori_ocr_res.boxes, ori_ocr_res.txts, ori_ocr_res.scores]
   results = table_engine(img_path, ocr_results=ocr_results)
   results.vis(save_dir="outputs", save_name="vis")

模型来源
PaddleOCR 表格识别
PaddleX-SlaNetPlus 表格识别
Unitable

模型下载地址:link

版本依赖关系如下:

由于模型较小,预先将slanet-plus表格识别模型(slanet-plus.onnx)打包进了whl包内。其余模型在初始化RapidTable类时,会根据model_type来自动下载模型到安装包所在models目录下。

当然也可以通过RapidTableInput(model_path='')来指定自己模型路径(v1.0.x 参数变量名使用model_path, v2.x 参数变量名变更为model_dir_or_path)。注意仅限于我们现支持的model_type。

⚠️注意:rapid_table>=v1.0.0之后,不再将rapidocr依赖强制打包到rapid_table中。使用前,需要自行安装rapidocr包。

⚠️注意:rapid_table>=v0.1.0,<1.0.0之后,不再将rapidocr依赖强制打包到rapid_table中。使用前,需要自行安装rapidocr_onnxruntime包。

pip install rapidocr
pip install rapid_table
# 基于torch来推理unitable模型
pip install rapid_table[torch] # for unitable inference
# onnxruntime-gpu推理
pip uninstall onnxruntime
pip install onnxruntime-gpu # for onnx gpu inference

⚠️注意:在rapid_table>=1.0.0之后,模型输入均采用dataclasses封装,简化和兼容参数传递。输入和输出定义如下:

ModelType支持已有的4个模型 (source):

class ModelType(Enum):
 PPSTRUCTURE_EN = "ppstructure_en" # onnxruntime
 PPSTRUCTURE_ZH = "ppstructure_zh" # onnxruntime
 SLANETPLUS = "slanet_plus" # onnxruntime
 UNITABLE = "unitable" # torch推理引擎

from pathlib import Path
from rapid_table import ModelType, RapidTable, RapidTableInput
input_args = RapidTableInput(model_type=ModelType.PPSTRUCTURE_ZH)
table_engine = RapidTable(input_args)
img_list = list(Path("images").iterdir())
results = table_engine(img_path, batch_size=3) # 这里,batch_size默认为1
# indexes:指定可视化的图像索引。默认为0
results.vis(save_dir="outputs", save_name="vis", indexes=(0, 1, 2))

from rapid_table import ModelType, RapidTable, RapidTableInput
input_args = RapidTableInput(model_type=ModelType.UNITABLE)
table_engine = RapidTable(input_args)
img_path = "https://raw.githubusercontent.com/RapidAI/RapidTable/refs/heads/main/tests/test_files/table.jpg"
ori_ocr_res = ocr_engine(img_path)
results = table_engine(img_path)
results.vis(save_dir="outputs", save_name="vis")

engine_cfg中参数是和engine_cfg.yaml相对应的。

from rapid_table import ModelType, RapidTable, RapidTableInput
# onnxruntime-gpu
input_args = RapidTableInput(
 model_type=ModelType.SLANETPLUS,
 engine_cfg={"use_cuda": True, "cuda_ep_cfg.gpu_id": 1}
)
# torch gpu
# input_args = RapidTableInput(
# model_type=ModelType.UNITABLE,
# engine_cfg={"use_cuda": True, "gpu_id": 1},
# )
table_engine = RapidTable(input_args)
img_path = "https://raw.githubusercontent.com/RapidAI/RapidTable/refs/heads/main/tests/test_files/table.jpg"
results = table_engine(img_path)
results.vis(save_dir="outputs", save_name="vis")

rapid_table https://raw.githubusercontent.com/RapidAI/RapidTable/refs/heads/main/tests/test_files/table.jpg -v

<html>
<body>
<table>
 <tr>
 <td>Methods</td>
 <td></td>
 <td></td>
 <td></td>
 <td>FPS</td>
 </tr>
 <tr>
 <td>SegLink [26]</td>
 <td>70.0</td>
 <td>86d>
 <td.0
 </td>
 <td>77.0</td>
 <td>8.9</td>
 </tr>
 <tr>
 <td>PixelLink [4]</td>
 <td>73.2</td>
 <td>83.0</td>
 <td>77.8</td>
 <td></td>
 </tr>
 <tr>
 <td>TextSnake [18]</td>
 <td>73.9</td>
 <td>83.2</td>
 <td>78.3</td>
 <td>1.1</td>
 </tr>
 <tr>
 <td>TextField [37]</td>
 <td>75.9</td>
 <td>87.4</td>
 <td>81.3</td>
 <td>5.2</td>
 </tr>
 <tr>
 <td>MSR[38]</td>
 <td>76.7</td>
 <td>87.87.4</td>
 <td>81.7</td>
 <td></td>
 </tr>
 <tr>
 <td>FTSN [3]</td>
 <td>77.1</td>
 <td>87.6</td>
 <td>82.0</td>
 <td></td>
 </tr>
 <tr>
 <td>LSE[30]</td>
 <td>81.7</td>
 <td>84.2</td>
 <td>82.9</td>
 <>
 <ttd></td>
 </tr>
 <tr>
 <td>CRAFT [2]</td>
 <td>78.2</td>
 <td>88.2</td>
 <td>82.9</td>
 <td>8.6</td>
 </tr>
 <tr>
 <td>MCN[16]</td>
 <td>79</td>
 <td>88</td>
 <td>83</td>
 <td></td>
 </tr>
 <tr>
 <td>ATRR</
 >[35]</td>
 <td>82.1</td>
 <td>85.2</td>
 <td>83.6</td>
 <td></td>
 </tr>
 <tr>
 <td>PAN [34]</td>
 <td>83.8</td>
 <td>84.4</td>
 <td>84.1</td>
 <td>30.2</td>
 </tr>
 <tr>
 <td>DB[12]</td>
 <td>79.2</t91/d>
 <td>91.5</td>
 <td>84.9</td>
 <td>32.0</td>
 </tr>
 <tr>
 <td>DRRG[41]</td>
 <td>82.30</td>
 <td>88.05</td>
 <td>85.08</td>
 <td></td>
 </tr>
 <tr>
 <td>Ours (SynText)</td>
 <td>80.68</td>
 <td>85
 <t..40
 </td>
 <td>82.97</td>
 <td>12.68</td>
 </tr>
 <tr>
 <td>Ours (MLT-17)</td>
 <td>84.54</td>
 <td>86.62</td>
 <td>85.57</td>
 <td>12.31</td>
 </tr>
</table>
</body>
</html>

TableStructureRec库是一个表格识别算法的集合库,当前有wired_table_rec有线表格识别算法和lineless_table_rec无线表格识别算法的推理包。

RapidTable是整理自PP-Structure中表格识别部分而来。由于PP-Structure较早,这个库命名就成了rapid_table。

总之,RapidTable和TabelStructureRec都是表格识别的仓库。大家可以都试试,哪个好用用哪个。由于每个算法都不太同,暂时不打算做统一处理。

关于表格识别算法的比较,可参见TableStructureRec测评