DocLayout-YOLO

DocLayout-YOLO 是一个面向文档版面分析的实时目标检测模型，基于 YOLO-v10 架构，专为识别标题、段落、表格、图片等多类文档元素而优化。其核心特点包括：采用 Mesh-candidate BestFit 方法生成大规模多样化合成数据集 DocSynth-300K 进行预训练；引入全局到局部可控感知模块，提升跨尺度元素（如小图标与大文本块）的检测精度。适用于 PDF 解析、OCR 前处理、智能文档理解、学术论文结构化等需要高鲁棒性版面解析的场景。