file_path |
str |
输入的 PDF 文件路径 |
"D:\code\python\ocr\MMGraphRAG_Connecting_Vision_and_Language.pdf" |
model_settings |
dict |
模型推理时的配置参数 |
{'use_doc_preprocessor': False, 'use_textline_orientation': False} |
dt_polys |
List[List[List[int]]] |
文本检测框（Detection），每个框由 4 个
[x, y]
坐标表示（顺时针或任意顺序），通常为四边形（支持倾斜文本） |
[[479, 209], [2264, 203], [2265, 316], [479, 322]] |
text_det_params |
dict |
文本检测模块的超参数（如阈值、尺寸限制等） |
{'thresh': 0.3, 'box_thresh': 0.6, 'unclip_ratio': 1.5} |
text_type |
str |
文本类型（如通用文本、公式、表格等） |
"general" |
textline_orientation_angles |
List[int] |
每行文本的旋转角度（单位：度或索引），-1
表示未启用或无旋转 |
[-1, -1, ..., -1] |
text_rec_score_thresh |
float |
文本识别的置信度阈值（低于此值的文本可能被过滤） |
0.0（表示全部保留） |
return_word_box |
bool |
是否返回单词级而非行级的 bounding box |
False |
rec_texts |
List[str] |
识别出的文本内容（Recognition），与
dt_polys 一一对应 |
["MMGraphRAG：通过可 解释的多模态", ...] |
rec_scores |
List[float] |
每个识别文本的置信度得分（0~1） |
[0.9902, 0.9990, ...] |
rec_polys |
List[List[List[int]]] |
同
dt_polys，通常是检测和识别结果对齐后的多边形坐标 |
与 dt_polys 相同（此处未做后处理调整） |
rec_boxes |
List[List[int]] |
简化版文本框（轴对齐矩形 bounding box），格式为
[x_min, y_min, x_max, y_max] |
[479, 203, 2265, 322] |