Commits · 070139a5bc044b579c9aa60917b495a811685cfd · wangsen / MinerU

"tests/bert/test_tokenization_bert.py" did not exist on "c0239e09e634aac57a111717c25461f1e950cb3e"

12 Mar, 2024 6 commits
- span重叠删除的阈值0.8->0.5 · 070139a5
  赵小蒙 authored Mar 12, 2024
  
  070139a5
- pdf_info_dict中间态结构调整 · 61a0c62c
  赵小蒙 authored Mar 12, 2024
  
  61a0c62c
- debug时自动绘制layout区域和text区域 · f31117de
  赵小蒙 authored Mar 12, 2024
  
  f31117de
- 增加生成多模态markdown逻辑 · ec1a6ef7
  赵小蒙 authored Mar 12, 2024
  
  ec1a6ef7
- 修复了layout相交的分离算法，并修复layout排序有误的问题 · 3c8b2545
  赵小蒙 authored Mar 12, 2024
  
  3c8b2545
- 更新清除重叠span的逻辑 · 9cc53a5e
  赵小蒙 authored Mar 12, 2024
  
  9cc53a5e
11 Mar, 2024 2 commits
- 模型输出的layout顺序没有排序，需要后期排序 · 72b7894c
  赵小蒙 authored Mar 11, 2024
  
  72b7894c
- 修复多栏模式下lines可能为空导致的异常 · 012a8f15
  赵小蒙 authored Mar 11, 2024
  
  012a8f15
08 Mar, 2024 8 commits
- ocr模式增加截图功能 · a5f8de98
  赵小蒙 authored Mar 08, 2024
  
  a5f8de98
- span进入具体的layout后,需要在下次循环前将该span移除 · 68e83c12
  赵小蒙 authored Mar 08, 2024
  
  68e83c12
- ocr pipeline更新 · 17b09f71
  赵小蒙 authored Mar 08, 2024
  
  17b09f71
- span->line现基于模型的layout进行拼接 · 864e9535
  赵小蒙 authored Mar 08, 2024
  
  864e9535
- 更新remove_spans_by_bboxes中选择被删除的span的逻辑 · 0c279ffc
  赵小蒙 authored Mar 08, 2024
  
  0c279ffc
- 对模型的layout坐标转换 · f9bd0040
  赵小蒙 authored Mar 08, 2024
  
  f9bd0040
- 将模型和pymu坐标的转换逻辑抽象成方法 · f62d1aa7
  赵小蒙 authored Mar 08, 2024
  
  f62d1aa7
- ocr模式下删除header/page number/footnote/footer · 388223f2
  赵小蒙 authored Mar 08, 2024
  
  388223f2
07 Mar, 2024 3 commits
- 增加ocr模式的layout解析功能 · fcea39d3
  赵小蒙 authored Mar 07, 2024
  
  fcea39d3
- 修复一个span可能没有content导致的问题 · 00f3e329
  赵小蒙 authored Mar 07, 2024
  
  00f3e329
- ocr拼接逻辑更新 · caa1588a
  赵小蒙 authored Mar 07, 2024
  
  caa1588a
06 Mar, 2024 2 commits
- parse_pdf_by_ocr 逻辑更新 · a0be4652
  赵小蒙 authored Mar 06, 2024
  
  a0be4652
- 增加ocr版本解析功能 · 701f3849
  赵小蒙 authored Mar 06, 2024
  
  701f3849
05 Mar, 2024 2 commits
- footnote检测逻辑更新 · 71a042d9
  赵小蒙 authored Mar 05, 2024
  
  71a042d9
- 增加了一个solve_line_alien.py，在detect_equation.py中修改了__solve_contain_bboxs函数，并在pdf_... · bc339320
  hsy authored Mar 05, 2024
```
增加了一个solve_line_alien.py，在detect_equation.py中修改了__solve_contain_bboxs函数，并在pdf_parse_by_model.py里增加了函数solve_line_alien.py的调用
```
  bc339320
01 Mar, 2024 2 commits
- 目录重构 · f7a7206e
  赵小蒙 authored Mar 02, 2024
  
  f7a7206e
- 目录重构 · d5dbed73
  赵小蒙 authored Mar 01, 2024
  
  d5dbed73