---
license: apache-2.0
tags:
  - document-layout-analysis
  - yolo
  - onnx
  - vision
  - pdf-processing
pipeline_tag: object-detection
library_name: onnx
---

# 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
```bash
# 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
```python
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
```bash
python inference.py --image page_1.png --model doclayout_yolo_docstructbench_imgsz1024.onnx
```

### 4. Triển khai API Server (FastAPI)
```bash
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).