DocLayout-YOLO (DocStructBench 1024x1024 ONNX)

Mô hình Thị giác Máy tính chuyên dụng cho việc Nhận diện và Bóc tách Bố cục Tài liệu Số (Document Layout Analysis), được tối ưu hóa cho hệ thống dịch thuật và xử lý văn bản cao cấp.

📌 Các Lớp Đối Tượng Nhận Diện (Target Classes)

Mô hình phát hiện chính xác các khối cấu trúc trang tài liệu:

1. title: Tiêu đề chính, tiêu đề phụ, đầu mục tài liệu.
2. text: Khối văn bản thông thường, đoạn văn, danh sách.
3. table: Vùng bảng biểu, lưới dữ liệu, ma trận phức tạp.
4. figure: Hình ảnh minh họa, sơ đồ, biểu đồ.
5. formula: Công thức toán học (inline & display formulas).
6. caption: Chú thích hình ảnh và bảng biểu.

---

⚡ Tăng Tốc Phần Cứng (Hardware Acceleration)

• GPU (NVIDIA CUDA): Chạy thông qua onnxruntime-gpu (hỗ trợ CUDA 11.x / 12.x và TensorRT).
• CPU: Tự động fallback chạy đa luồng tối ưu trên CPU nếu không có GPU.

---

🚀 Hướng Dẫn Sử Dụng Nhanh (Quick Start)

1. Cài đặt thư viện phụ thuộc

# Nếu dùng GPU NVIDIA:
pip install onnx onnxruntime-gpu opencv-python-headless numpy

# Nếu dùng CPU:
pip install onnx onnxruntime opencv-python-headless numpy

2. Tải mô hình từ Hugging Face

from huggingface_hub import hf_hub_download

model_path = hf_hub_download(
    repo_id="rabbit1906/Yolo",
    filename="doclayout_yolo_docstructbench_imgsz1024.onnx"
)

3. Chạy dự đoán bố cục trên ảnh

python inference.py --image page_1.png --model doclayout_yolo_docstructbench_imgsz1024.onnx

4. Triển khai API Server (FastAPI)

pip install fastapi uvicorn
uvicorn app:app --host 0.0.0.0 --port 8000

API endpoint: POST http://localhost:8000/predict (nhận ảnh trang PDF và trả về tọa độ các khối bounding boxes).