From 9018c62f664582d67d9173c1dde9cc659aecf171 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=E4=B8=89=E6=B4=8B=E4=B8=89=E6=B4=8B?= <1258009915@qq.com>
Date: Sun, 21 Apr 2024 13:06:01 +0000
Subject: [PATCH] Update README.md
---
README.md | 5 +----
assets/README_zh.md | 27 +++++++++++----------------
2 files changed, 12 insertions(+), 20 deletions(-)
diff --git a/README.md b/README.md
index 0a79ce2..fb2b5a2 100644
--- a/README.md
+++ b/README.md
@@ -29,7 +29,6 @@ TexTeller was trained with ~~550K~~7.5M image-formula pairs (dataset available [
* 📮[2024-04-12] Trained a **formula detection model**, thereby enhancing the capability to detect and recognize formulas in entire documents (whole-image inference)!
-
## 🔑 Prerequisites
python=3.10
@@ -85,9 +84,7 @@ TexTeller also supports **formula detection and recognition** on full images, al
### Download Weights
-English documentation formula detection [[link](https://huggingface.co/TonyLee1256/texteller_det/resolve/main/rtdetr_r50vd_6x_coco_trained_on_IBEM_en_papers.onnx?download=true)]: Trained on 8272 images from the [IBEM dataset](https://zenodo.org/records/4757865).
-
-Chinese documentation formula detection [[link](https://huggingface.co/TonyLee1256/texteller_det/blob/main/rtdetr_r50vd_6x_coco_trained_on_cn_textbook.onnx)]: Trained on 2560 Chinese textbook images (100+ layouts).
+Chinese-English documentation formula detection [[link](https://huggingface.co/TonyLee1256/texteller_det/resolve/main/rtdetr_r50vd_6x_coco.onnx?download=true)]: Trained on 3415 Chinese textbook images (130+ layouts).
### Formula Detection
diff --git a/assets/README_zh.md b/assets/README_zh.md
index b946d49..1b44cef 100644
--- a/assets/README_zh.md
+++ b/assets/README_zh.md
@@ -1,4 +1,4 @@
-📄 English | 中文
+📄 ``English`` | 中文
@@ -48,6 +48,7 @@ python=3.10
```
2. [安装pytorch](https://pytorch.org/get-started/locally/#start-locally)
+
3. 安装本项目的依赖包:
```bash
@@ -112,9 +113,7 @@ TexTeller还支持对整张图片进行**公式检测+公式识别**，从而对
### 下载权重
-英文文档公式检测 [[link](https://huggingface.co/TonyLee1256/texteller_det/resolve/main/rtdetr_r50vd_6x_coco_trained_on_IBEM_en_papers.onnx?download=true)]：在8272张[IBEM数据集](https://zenodo.org/records/4757865)上训练得到
-
-中文文档公式检测 [[link](https://huggingface.co/TonyLee1256/texteller_det/blob/main/rtdetr_r50vd_6x_coco_trained_on_cn_textbook.onnx)]：在2560张中文教材数据(100+版式)上训练得到
+中文英文文档公式检测 [[link](https://huggingface.co/TonyLee1256/texteller_det/resolve/main/rtdetr_r50vd_6x_coco.onnx?download=true)]：在3415张中文教材数据(130+版式)上训练得到
### 公式检测
@@ -149,14 +148,14 @@ python server.py
```
| 参数 | 描述 |
-| - | - |
-| `-ckpt` | 权重文件的路径，*默认为TexTeller的预训练权重*。 |
-| `-tknz` | 分词器的路径，*默认为TexTeller的分词器*。 |
-| `-port` | 服务器的服务端口，*默认是8000*。 |
-| `--inference-mode`| 是否使用GPU(cuda或mps)推理，*默认为CPU*。 |
-| `--num_beams` | beam search的beam数量，*默认是1*。 |
-| `--num_replicas`| 在服务器上运行的服务副本数量，*默认1个副本*。你可以使用更多的副本来获取更大的吞吐量。 |
-| `--ncpu_per_replica` | 每个服务副本所用的CPU核心数，*默认为1*。 |
+| --- | --- |
+| `-ckpt` | 权重文件的路径，*默认为TexTeller的预训练权重*。|
+| `-tknz` | 分词器的路径，*默认为TexTeller的分词器*。|
+| `-port` | 服务器的服务端口，*默认是8000*。|
+| `--inference-mode` | 是否使用GPU(cuda或mps)推理，*默认为CPU*。|
+| `--num_beams` | beam search的beam数量，*默认是1*。|
+| `--num_replicas` | 在服务器上运行的服务副本数量，*默认1个副本*。你可以使用更多的副本来获取更大的吞吐量。|
+| `--ncpu_per_replica` | 每个服务副本所用的CPU核心数，*默认为1*。|
| `--ngpu_per_replica` | 每个服务副本所用的GPU数量，*默认为1*。你可以把这个值设置成 0~1之间的数，这样会在一个GPU上运行多个服务副本来共享GPU，从而提高GPU的利用率。(注意，如果 --num_replicas 2, --ngpu_per_replica 0.7, 那么就必须要有2个GPU可用) |
> [!NOTE]
@@ -207,13 +206,9 @@ python -m models.ocr_model.train.train
## 📅 计划
- [X] ~~使用更大的数据集来训练模型(7.5M样本，即将发布)~~
-
- [ ] 扫描图片识别
-
- [ ] PDF文档识别 + 中英文场景支持
-
- [ ] 推理加速
-
- [ ] ...
## ⭐️ 观星曲线