图片版面分析

本页内容

请求示例 #

curl -i -XPOST -H 'Content-Type: application/json' \
-H 'Authorization: your Authorization code here' \
-d '{"url": "https://img-blog.csdnimg.cn/740c26c2b20d4ea9acf2ebc7def9b3f5.png#pic_center"}' \
https://open.datastory.com.cn/api/thanos/ocr-layout
  • url为图片的链接地址

响应示例 #

{"bboxes":[{"bbox":[701,3,1278,854],"confidence":1.0,"label":"Table","polygon":[[701,3],[1278,3],[1278,854],[701,854]]},{"bbox":[21,41,593,815],"confidence":1.0,"label":"Table","polygon":[[21,41],[593,41],[593,815],[21,815]]}],"image_bbox":[0.0,0.0,1280.0,876.0],"page":1}
  • bboxes 包含所有解析出来的标签，例如 Figure,Text,table, image, header 等
    • polygon 表示边界框的四个点（左上、右上，右下，左下）
    • confidence 代表置信度（范围0-1，建议设置阈值过滤低置信度结果，推荐0.7），label 为输出的标签类型（重点关注 Figure 和 Text）
    • bbox 为最大外接矩形的框（左上、右下）
  • image_bbox 图片的大小
  • page 图片的页数

失败场景 #

  • 状态码403 
    {"error": 403, "msg": "图片无法正常下载"}
  • 状态码404 
    {"error": 404, "msg": "未知错误，可能是输入的文件不合理"}
  • 状态码405 
    {"error": 405, "msg": "输入的 url 有误"}

图片尺寸限制 #

为避免输入的图片过于极端（例如尺寸过大，以及长宽比不合理等），导致显存溢出，进而导致服务崩溃。这里将输入的尺寸面积约束在 397 X 14784（实测解决显存极限的输入最大面积） 以内，同时长宽比要小于 40:1