赵小蒙
|
eb79c884c2
修复image_path的连接符
|
1 year ago |
赵小蒙
|
21043c18a1
Merge remote-tracking branch 'origin/master'
|
1 year ago |
赵小蒙
|
5b9f096045
修复image_path的连接符
|
1 year ago |
xuchao
|
7f0af412bc
增加layout之间段落连接规则
|
1 year ago |
赵小蒙
|
f5b9cff4c4
ocr后不需要再次检测need_drop,且ocr_dropped_parse_pdf逻辑后需要将need_drop置为false
|
1 year ago |
赵小蒙
|
b7c12891cc
增加uni_parse_pdf逻辑
|
1 year ago |
赵小蒙
|
143f8114bc
Merge remote-tracking branch 'origin/master'
|
1 year ago |
赵小蒙
|
5eab010b98
ocr模式对所有drop的span记录tag并分类
|
1 year ago |
xuchao
|
83753cbd77
元素类型引用统一定义
|
1 year ago |
xuchao
|
d5ea44f944
按照统一格式组合文本型pdf的解析结果
|
1 year ago |
赵小蒙
|
f5bfaaf625
更新scikit-learn依赖兼容性
|
1 year ago |
赵小蒙
|
9c371545b1
更新scikit-learn依赖兼容性
|
1 year ago |
赵小蒙
|
051ee3c3f5
增加标准格式的拼装逻辑
|
1 year ago |
赵小蒙
|
a01356400e
修复spans为空list导致的IndexError: list index out of range
|
1 year ago |
赵小蒙
|
f10b4a501f
s3_image_save_path统一配置
|
1 year ago |
赵小蒙
|
b1ac8d03da
book_name生成逻辑更新
|
1 year ago |
赵小蒙
|
8486793393
join_path逻辑修复
|
1 year ago |
赵小蒙
|
195998a07f
mk_mm_markdown2中span_type分类更新
|
1 year ago |
赵小蒙
|
25a0fd0665
Merge remote-tracking branch 'origin/master'
|
1 year ago |
赵小蒙
|
f06a32133c
make多模态markdown时图片地址更改为fullpath
|
1 year ago |
xuchao
|
084e9328d0
实现layout内部分段
|
1 year ago |
xuchao
|
f68c66290c
update code
|
1 year ago |
赵小蒙
|
59b0b0c3da
make markdown时特殊符号转义
|
1 year ago |
赵小蒙
|
8a2736a53f
截图增加s3上传逻辑,移除宽或高为0的spans
|
1 year ago |
赵小蒙
|
0b35b73c64
删除高度或者宽度为0的spans
|
1 year ago |
赵小蒙
|
9bd6294bfa
ocr模式更新spark pipeline
|
1 year ago |
赵小蒙
|
8a52ada337
data_type/bookid/data_source兼容处理
|
1 year ago |
赵小蒙
|
26c2378271
ocr模式下content type 抽象
|
1 year ago |
赵小蒙
|
b6f051d88f
在layout.pdf中绘制drop的bbox
|
1 year ago |
赵小蒙
|
85587b257b
在dict中加入qa需要的字段
|
1 year ago |