README_zh.md

metadata

license: apache-2.0
language:
  - zh
  - en
pipeline_tag: object-detection
tags:
  - document-ai
  - document-layout-analysis
  - patent
  - pdf
  - hiro
  - patsnap
datasets:
  - in-house
metrics:
  - precision
  - recall
  - f1
library_name: transformers

Hiro-Layout：面向专利和技术 PDF 的文档版面分析模型

English | 简体中文

Hiro-Layout 是一个面向专利和技术 PDF 页面图像的文档版面分析模型，用于检测并分类页面区域，包括正文、标题、页眉、页脚、表格、公式、化学式、图片、图注、搜索报告、著录页、参考文献等专利场景常见版面元素。

亮点

• 面向专利文档：覆盖专利 PDF 中常见的正文、图片、表格、公式、著录页、搜索报告等元素。
• 覆盖技术文档：在 Patent PDF 和 NPD PDF 两类数据上评测。
• 细粒度类别体系：共 25 个版面类别，覆盖 figure、text、complex 三组元素。

模型概览

项目	内容
模型名称	Hiro-Layout
当前模型文件	layout_model/RT-DETR_25.onnx
任务	文档版面分析 / 页面区域检测
输入	PDF 页面渲染图像
输出	带类别标签的版面区域
领域	专利 PDF、技术/NPD PDF
开源协议	Apache-2.0

类别体系

大类	类别全称	缩写	中文名
figure	graph	graph	图表
figure	drawing	draw	绘制图
figure	structure diagram	struc	结构图
figure	photograph	photo	照片
figure	table	tab	表格
figure	math equation	eqn	数学公式
figure	chemical formula	chem	化学式
figure	noise	noise	噪声
text	text	text	文本
text	title	title	标题
text	section title	sec	章节标题
text	page header	head	页眉
text	page footer	foot	页脚
text	marginal note	mnote	边注
text	caption	cap	说明
text	figure number	figno	编号
text	line number	lineno	行号
text	column number	colno	栏号
text	sequence	seq	序列表
complex	figure complex	figcx	图片组
complex	chemical reaction	rxn	反应式
complex	bibliography	bib	著录页
complex	search report	srep	搜索报告
complex	Table of Contents	toc	目录
complex	reference	ref	参考文献

评测结果

评测指标为 Precision、Recall 和 F1。

数据集	人工标签数	Precision	Recall	F1
Patent PDF	33,054	0.8144	0.7711	0.7922
NPD PDF	17,769	0.7090	0.6983	0.7036

Patent PDF

#	大类	缩写	类别全称	中文名	人工标签数	Precision	Recall	F1
1	figure	graph	graph	图表	215	0.7611	0.8000	0.7800
2	figure	draw	drawing	绘制图	420	0.8649	0.3048	0.4507
3	figure	struc	structure diagram	结构图	626	0.6579	0.8355	0.7361
4	figure	photo	photograph	照片	147	0.8378	0.8435	0.8407
5	figure	tab	table	表格	198	0.7759	0.9091	0.8372
6	figure	eqn	math equation	数学公式	399	0.7762	0.6692	0.7187
7	figure	chem	chemical formula	化学式	1,099	0.8792	0.8944	0.8868
8	figure	noise	noise	噪声	1,241	0.7025	0.7687	0.7341
9	text	text	text	文本	17,668	0.8182	0.8062	0.8122
10	text	title	title	标题	601	0.9117	0.8070	0.8561
11	text	sec	section title	章节标题	1,394	0.7968	0.7088	0.7502
12	text	head	page header	页眉	3,074	0.8187	0.7788	0.7983
13	text	foot	page footer	页脚	1,012	0.7432	0.6433	0.6896
14	text	mnote	marginal note	边注	421	0.7794	0.5202	0.6239
15	text	cap	caption	说明	80	0.6842	0.4875	0.5693
16	text	figno	figure number	编号	1,389	0.8955	0.7466	0.8143
17	text	lineno	line number	行号	341	0.7759	0.6598	0.7132
18	text	colno	column number	栏号	449	0.6964	0.4699	0.5612
19	text	seq	sequence	序列表	136	0.4430	0.2574	0.3256
20	complex	figcx	figure complex	图片组	1,416	0.8657	0.7373	0.7963
21	complex	rxn	chemical reaction	反应式	150	0.8898	0.7000	0.7836
22	complex	bib	bibliography	著录页	470	0.9615	0.7979	0.8721
23	complex	srep	search report	搜索报告	106	0.9052	0.9906	0.9459
24	complex	toc	Table of Contents	目录	0	0.0000	0.0000	0.0000
25	complex	ref	reference	参考文献	2	0.0000	0.0000	0.0000
ALL					33,054	0.8144	0.7711	0.7922

NPD PDF

#	大类	缩写	类别全称	中文名	人工标签数	Precision	Recall	F1
1	figure	graph	graph	图表	248	0.6838	0.6976	0.6906
2	figure	draw	drawing	绘制图	9	0.0000	0.0000	0.0000
3	figure	struc	structure diagram	结构图	341	0.7454	0.7126	0.7286
4	figure	photo	photograph	照片	82	0.6071	0.6220	0.6145
5	figure	tab	table	表格	209	0.7533	0.8182	0.7844
6	figure	eqn	math equation	数学公式	298	0.6789	0.5604	0.6140
7	figure	chem	chemical formula	化学式	388	0.7324	0.8325	0.7793
8	figure	noise	noise	噪声	695	0.4823	0.4302	0.4548
9	text	text	text	文本	9,119	0.6943	0.7625	0.7268
10	text	title	title	标题	304	0.7130	0.5395	0.6142
11	text	sec	section title	章节标题	1,539	0.7337	0.6160	0.6697
12	text	head	page header	页眉	1,246	0.7464	0.7111	0.7283
13	text	foot	page footer	页脚	1,339	0.7711	0.6468	0.7035
14	text	mnote	marginal note	边注	190	0.5714	0.2947	0.3889
15	text	cap	caption	说明	573	0.8711	0.5899	0.7034
16	text	figno	figure number	编号	149	0.6078	0.4161	0.4940
17	text	lineno	line number	行号	41	0.6667	0.9268	0.7755
18	text	colno	column number	栏号	0	0.0000	0.0000	0.0000
19	text	seq	sequence	序列表	18	0.7000	0.3889	0.5000
20	complex	figcx	figure complex	图片组	734	0.7657	0.7480	0.7567
21	complex	rxn	chemical reaction	反应式	36	0.8947	0.4722	0.6182
22	complex	bib	bibliography	著录页	0	0.0000	0.0000	0.0000
23	complex	srep	search report	搜索报告	3	0.4286	1.0000	0.6000
24	complex	toc	Table of Contents	目录	76	0.8475	0.6579	0.7407
25	complex	ref	reference	参考文献	132	0.8148	0.3333	0.4731
ALL					17,769	0.7090	0.6983	0.7036

使用方式

当前模型文件是 ONNX 导出：

layout_model/RT-DETR_25.onnx

模型可使用 ONNXRuntime 加载：

import onnxruntime as ort

session = ort.InferenceSession("layout_model/RT-DETR_25.onnx")
print("inputs:", [i.name for i in session.get_inputs()])
print("outputs:", [o.name for o in session.get_outputs()])

25 类标签映射见 labels.json。

文件说明

文件	用途
README.md	英文 Hugging Face 模型卡
README_zh.md	中文模型卡
EVALUATION.md	从 Excel 整理出的详细评测结果
labels.json	机器可读的 25 类标签映射
layout_model/RT-DETR_25.onnx	ONNX 模型文件
requirements.txt	ONNX 加载和图像预处理的最小依赖
LICENSE	Apache-2.0 协议
DISCLAIMER.md	模型限制和负责任使用说明
NOTICE	版权和商标声明
OPEN_SOURCE_CHECKLIST.md	正式公开前检查清单

限制

• 低分辨率扫描件、大角度旋转页面、手写文档、非常规版式或未覆盖模板可能导致检测不准。
• 少样本类别的指标波动较大，不能仅凭单类指标判断泛化能力。
• 法律、合规、归档、对客展示等高风险场景应保留人工复核。
• 用户需确保对所处理和分享的文档拥有相应权利。

协议

本项目采用 Apache License 2.0 开源协议，详见 LICENSE。

版权声明

Copyright (c) 2026 Patsnap. All rights reserved except as expressly licensed under the applicable license terms.

Hiro-Layout、Hiro、Patsnap 以及相关名称、标识、产品名、服务名、设计和标语是 Patsnap 或其关联公司的商标或注册商标。除非另有明确说明，开源协议或模型协议不授予任何商标许可。