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
2025-06-22 update: 发布v2.x，适配rapidocr v3.x
2025-01-09 update: 发布v1.x，全新接口升级。
2024.12.30 update：支持Unitable模型的表格识别，使用pytorch框架
2024.11.24 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
2024.10.13 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：
- DirectML
- 昇腾NPU
具体使用方法：
-
安装（需要卸载其他onnxruntime）:
# DirectML pip install onnxruntime-directml # 昇腾NPU pip install onnxruntime-cann
-
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")
model_type |
模型名称 | 推理框架 | 模型大小 | 推理耗时(单图 60KB) |
|---|---|---|---|---|
ppstructure_en |
en_ppstructure_mobile_v2_SLANet.onnx |
onnxruntime | 7.3M | 0.15s |
ppstructure_zh |
ch_ppstructure_mobile_v2_SLANet.onnx |
onnxruntime | 7.4M | 0.15s |
slanet_plus |
slanet-plus.onnx |
onnxruntime | 6.8M | 0.15s |
unitable |
unitable(encoder.pth,decoder.pth) |
pytorch | 500M | cpu(6s) gpu-4090(1.5s) |
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：
rapid_table |
OCR |
|---|---|
| v0.x | rapidocr_onnxruntime |
| v1.0.x | rapidocr>=2.0.0,<3.0.0 |
| v2.x | rapidocr>=3.0.0 |
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。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"
PPSTRUCTURE_ZH = "ppstructure_zh"
SLANETPLUS = "slanet_plus"
UNITABLE = "unitable"from rapidocr import RapidOCR
from rapid_table import ModelType, RapidTable, RapidTableInput
ocr_engine = RapidOCR()
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"
# # 使用单字识别
# ori_ocr_res = ocr_engine(img_path, return_word_box=True)
# ocr_results = [
# [word_result[0][2], word_result[0][0], word_result[0][1]]
# for word_result in ori_ocr_res.word_results
# ]
# ocr_results = list(zip(*ocr_results))
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")from rapidocr import RapidOCR
from rapid_table import ModelType, RapidTable, RapidTableInput
ocr_engine = RapidOCR()
# onnxruntime-gpu
input_args = RapidTableInput(
model_type=ModelType.SLANETPLUS, engine_cfg={"use_cuda": True, "gpu_id": 1}
)
# torch gpu
# input_args = RapidTableInput(
# model_type=ModelType.UNITABLE,
# engine_cfg={"use_cuda": True, "cuda_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")rapid_table test_images/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>
<>
| Methods | FPS | |||
| SegLink [26] | 70.0 | 86d> | 77.0 | 8.9 |
| PixelLink [4] | 73.2 | 83.0 | 77.8 | |
| TextSnake [18] | 73.9 | 83.2 | 78.3 | 1.1 |
| TextField [37] | 75.9 | 87.4 | 81.3 | 5.2 |
| MSR[38] | 76.7 | 87.87.4 | 81.7 | |
| FTSN [3] | 77.1 | 87.6 | 82.0 | |
| LSE[30] | 81.7 | 84.2 | 82.9 | |
| CRAFT [2] | 78.2 | 88.2 | 82.9 | 8.6 |
| MCN[16] | 79 | 88 | 83 | |
| ATRR[35] | 82.1 | 85.2 | 83.6 | |
| PAN [34] | 83.8 | 84.4 | 84.1 | 30.2 |
| DB[12] | 79.2 | 91.5 | 84.9 | 32.0 |
| DRRG[41] | 82.30 | 88.05 | 85.08 | |
| Ours (SynText) | 80.68 | 85 | 82.97 | 12.68 |
| Ours (MLT-17) | 84.54 | 86.62 | 85.57 | 12.31 |
🔄 与TableStructureRec关系
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
📌 更新日志 (more)
- 支持Unitable模型的表格识别，使用pytorch框架
- 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
- 补充最新paddlex-SLANet-plus 模型(paddle2onnx原因暂不能支持onnx)
- 优化可视化结果部分
- 添加返回cell坐标框参数
- 完善可视化函数
-
将
rapidocr_onnxruntime部分从rapid_table中解耦合出来，给出选项是否依赖，更加灵活。 -
增加接口输入参数
ocr_result：- 如果在调用函数时，事先指定了
ocr_result参数值，则不会再走OCR。其中ocr_result格式需要和rapidocr_onnxruntime返回值一致。 - 如果未指定
ocr_result参数值，但是事先安装了rapidocr_onnxruntime库，则会自动调用该库，进行识别。 - 如果
ocr_result未指定，且rapidocr_onnxruntime未安装，则会报错。必须满足两个条件中一个。
- 如果在调用函数时，事先指定了
- 更改传入表格还原中OCR的实例接口，可以传入其他OCR实例，前提要与
rapidocr_onnxruntime接口一致
- 去掉返回表格的html字符串中的
<thead></thead><tbody></tbody>元素，便于后续统一。 - 采用Black工具优化代码