赵小蒙
|
07e4f115e6
ocr_pdf_intermediate_dict_to_markdown_with_para输出nlp格式的markdown
|
1 ano atrás |
赵小蒙
|
bf8d8e217d
新增ocr_mk_nlp_markdown_with_para方法
|
1 ano atrás |
kernel.h@qq.com
|
744b3f75eb
合并居中显示、想同行高的文字
|
1 ano atrás |
kernel.h@qq.com
|
2e772467ee
连接跨页的list
|
1 ano atrás |
许瑞
|
efed5faa53
feat: modify foot note bbox tmp
|
1 ano atrás |
xu rui
|
05161c6e62
feat: backup footnote_bbox_tmp
|
1 ano atrás |
xu rui
|
15c8830416
feat: comment parse_title
|
1 ano atrás |
xu rui
|
432e1ae5e3
feat: process title and footnote
|
1 ano atrás |
kernel.h@qq.com
|
e3e125baef
跨layout的列表合并
|
1 ano atrás |
赵小蒙
|
2277e31ff4
ocr_demo main函数精简
|
1 ano atrás |
赵小蒙
|
7d010e1969
ocr_mk_mm_markdown_with_para和ocr_mk_mm_markdown_with_para_and_pagination逻辑优化
|
1 ano atrás |
赵小蒙
|
dbe79ba1b2
ocr_mk_mm_markdown_with_para_and_pagination逻辑更新
|
1 ano atrás |
kernel.h@qq.com
|
f36c26565e
使用面积占比方式判断一行文本是不是在一个layoutbox里
|
1 ano atrás |
赵小蒙
|
a36ef4f8d5
更新pymupdf依赖版本
|
1 ano atrás |
赵小蒙
|
e9aa103cae
ocr增加分页markdown输出格式
|
1 ano atrás |
赵小蒙
|
27c080a944
pipeline调整
|
1 ano atrás |
赵小蒙
|
b94fd7f068
Merge remote-tracking branch 'origin/master'
|
1 ano atrás |
赵小蒙
|
755ea5b049
更新依赖列表,增加wordninja
|
1 ano atrás |
赵小蒙
|
99055af331
英文文本拼接时,如果单个单词超过15个字符,则对该单词进行切分处理。行间公式/图片/表格独立占有一行
|
1 ano atrás |
icecraft
|
36e86dcbc5
Merge pull request #7 from myhloli/feat/add_layout
|
1 ano atrás |
许瑞
|
4f1f7d62d5
feat: add layout
|
1 ano atrás |
赵小蒙
|
1d5d778197
qa版本最终阶段保留pdf_intermediate_dict信息
|
1 ano atrás |
赵小蒙
|
90ea9096e5
部分layout最底部的文本圈不全,降低阈值减少底边文本被丢弃的可能性
|
1 ano atrás |
赵小蒙
|
0dbbf9c362
解决'[]'括起来的文本被识别成链接的问题
|
1 ano atrás |
kernel.h@qq.com
|
8e3beebd1a
修复index越界错误
|
1 ano atrás |
icecraft
|
439c18f9c4
Merge pull request #6 from myhloli/feat/add_extract_train_data
|
1 ano atrás |
许瑞
|
390fdb2cd5
fix: fix typo
|
1 ano atrás |
许瑞
|
09269c845e
feat: add extract_train_data
|
1 ano atrás |
kernel.h@qq.com
|
056aed8677
制作OCR markdown
|
1 ano atrás |
kernel.h@qq.com
|
ef5d9137f4
实现对论文中列表的识别
|
1 ano atrás |