新增公式检测模块

assets/README_zh.md

@@ -27,6 +27,9 @@ TexTeller用了~~550K~~7.5M的图片-公式对进行训练(数据集可以在[
 * 📮[2024-03-25] TexTeller2.0发布！TexTeller2.0的训练数据增大到了7.5M(相较于TexTeller1.0**增加了~15倍**并且数据质量也有所改善)。训练后的TexTeller2.0在测试集中展现出了**更加优越的性能**，尤其在生僻符号、复杂多行、矩阵的识别场景中。
     > 在[这里](./test.pdf)有更多的测试图片以及各家识别模型的横向对比。
 
+* 📮[2024-04-11] 增加了整图推理的功能，只需额外安装onnxruntime库即可获取新功能！我们自行标注了3415张中文教材图片中的公式，并使用了8272张来自于IBEM英文论文公式检测数据集中的公式，基于RT-DETR-R50模型进行了公式目标检测的训练，并将训练好的模型导出为了onnx格式。以方便输入图片，一次性对图片中的所有公式进行识别。
+
+
 ## 🔑 前置条件
 
 python=3.10
@@ -107,6 +110,23 @@ python=3.10
 > [!NOTE]
 > 对于Windows用户, 请运行 `start_web.bat`文件.
 
+## 整图推理
+
+### 下载权重
+在8272张IBEM数据集（https://zenodo.org/records/4757865）上训练，并导出的onnx模型：
+https://huggingface.co/TonyLee1256/texteller_det/resolve/main/rtdetr_r50vd_6x_coco_trained_on_IBEM_en_papers.onnx?download=true
+在2560张中文教材数据（100+版式）上训练，并导出的onnx模型：
+https://huggingface.co/TonyLee1256/texteller_det/blob/main/rtdetr_r50vd_6x_coco_trained_on_cn_textbook.onnx
+
+### 公式检测
+cd TexTeller/src
+infer_det.py
+运行后，对整张图中的所有公式进行检测，绘制整图检测结果并保存，并将每一个检测出的目标单独裁剪并保存下来。
+
+### 公式批识别
+rec_infer_from_crop_imgs.py
+基于上一步公式检测的结果，对裁剪出的所有公式进行批量识别，将识别结果保存为txt文件。
+
 ## 📡 API调用
 
 我们使用[ray serve](https://github.com/ray-project/ray)来对外提供一个TexTeller的API接口，通过使用这个接口，你可以把TexTeller整合到自己的项目里。要想启动server，你需要先进入`TexTeller/src`目录然后运行以下命令: