README.md

---

language:
  - zh
  - en
license: apache-2.0
library_name: transformers
pipeline_tag: feature-extraction
tags:
  - pdf-to-markdown
  - feature-extraction
---


# MinerU PDF to Markdown Model

这个模型可以将PDF文档转换为Markdown格式。

## Model Description

MinerU使用多模型组合架构：
- Layout: 文档布局分析 (Detectron2)
- MFD: 数学公式检测 (PyTorch)
- MFR: 数学公式识别 (BERT-based)
- TabRec: 表格识别与重建 (T5-based)

## Intended Uses

本模型用于将PDF文档自动转换为Markdown格式，支持：
- 文本布局分析
- 数学公式识别
- 表格结构重建

## Usage

```python

from transformers import pipeline



converter = pipeline("document-conversion", model="kitjesen/MinerU")

markdown = converter("document.pdf")

```

## Limitations and Bias

- 最大支持页数：100页
- PDF文件大小限制：50MB
- 支持语言：中文、英文

## Training Data

模型使用以下数据训练：
- 学术论文数据集
- 教材文档数据集
- 技术文档数据集

## Training Procedure

使用多阶段训练流程：
1. 预训练各个子模型
2. 联合训练优化
3. 端到端微调

## Evaluation Results

- 文本识别准确率：95%
- 公式识别准确率：90%
- 表格重建准确率：85%

## Environmental Impact

- 硬件要求：GPU with 8GB+ VRAM
- 推理时间：~2s/页

## Technical Specifications

**Model Architecture**
- Layout: Detectron2 (FasterRCNN)
- MFD: Custom CNN
- MFR: BERT-based
- TabRec: T5-based

**Hardware Requirements**
- RAM: 16GB+
- GPU: 8GB+ VRAM
- Storage: 5GB

**Software Requirements**
- Python >= 3.7
- PyTorch >= 1.9.0
- transformers >= 4.28.0
- detectron2