AnyTable

    ___               ______      __    __   
   /   |  ____  __  _/_  __/___ _/ /_  / /__ 
  / /| | / __ \/ / / // / / __ `/ __ \/ / _ \
 / ___ |/ / / / /_/ // / / /_/ / /_/ / /  __/
/_/  |_/_/ /_/\__, //_/  \__,_/_.___/_/\___/ 
             /____/                          

简体中文 | English

1. 简介

AnyTable是一个专注于从文档或者图片中表格解析的模型工具，主要分成两个部分：

• anytable-det：用于表格区域检测（已开放）
• anytable-rec：用于表格结构识别（未来开放）

项目地址：

• github地址：AnyTable
• Hugging Face: AnyTable
• ModelScope: AnyTable

2. 缘起

目前市面上表格数据非常多且混杂，很难有一个干净的完整数据和模型，为此我们收集并整理了很多表格数据，训练了我们的模型。

检测数据集分布：

• pubtables: 947642
• synthtabnet.marketing: 149999
• tablebank: 278582
• fintabnet.c: 97475
• pubtabnet: 519030
• synthtabnet.sparse: 150000
• synthtabnet.fintabnet: 149999
• docbank: 24517
• synthtabnet.pubtabnet: 150000
• cTDaRTRACKA: 1639
• SciTSR: 14971
• doclaynet.large: 21185
• IIITAR13K: 9905
• selfbuilt: 121157

数据集总计：大于2.6M(大约2633869张图片)。

扩展训练

• 训练集：2.6M（大于10万的部分只抽样了42000， 没办法因为贫穷，卡有限。）
• 测试集：4k
• python: 3.12
• pytorch: 2.6.0
• cuda: 12.3
• ultralytics: 8.3.128

模型介绍

表格检测模型位于det文件夹下：

• yolo系列：使用ultralytics训练yolo检测
• rt-detr：使用ultralytics训练rt-detr检测

注释：您可以直接模型预测，也可以作为预训练模型微调私有数据集

评估

自建评估集：4K

model	imgsz	epochs	metrics/precision
rt-detr-l	960	10	0.97
yolo11s	960	10	0.97
yolo11m	960	10	0.964
yolo12s	960	10	0.978

3. 使用方法

安装依赖

pip install ultralytics pillow

使用方法

## simple
## 下载模型后直接使用ultralytics即可

from ultralytics import YOLO,RTDETR

# Load a model
model = YOLO("/path/to/download_model")  # pretrained YOLO11n model

# Run batched inference on a list of images
results = model(["/path/to/your_image"],imgsz = 960)  # return a list of Results objects

# Process results list
for result in results:
    boxes = result.boxes  # Boxes object for bounding box outputs
    masks = result.masks  # Masks object for segmentation masks outputs
    keypoints = result.keypoints  # Keypoints object for pose outputs
    probs = result.probs  # Probs object for classification outputs
    obb = result.obb  # Oriented boxes object for OBB outputs
    result.show()  # display to screen
    result.save(filename="result.jpg")  # save to disk

Buy me a coffee

• 微信(WeChat)

特别鸣谢

• ultralytics公开的训练模型和文档
• 各种数据集提供者

Star History