MinerU 系列教程 第十一课：表格识别 - 有线与无线的双引擎

MinerU 系列教程 第十一篇

本篇教程继续模块三：深入篇 - AI 模型详解，将聚焦文档解析中最具挑战性的子任务之一 —— 表格识别。文档中的表格千差万别：有的用清晰的线条分隔（有线表格），有的完全依靠空白和对齐来组织（无线表格）。MinerU 为此设计了一套双引擎方案：先用分类器判断表格类型，再分别调用 SLANET-Plus（无线）和 UNet（有线）两个识别引擎，最终生成标准的 HTML 表格代码。此外，表格图像可能因扫描倾斜而旋转，MinerU 还引入了方向分类器来自动矫正。你将看到从分类、结构识别、OCR 匹配到 HTML 生成的完整流水线。

学习目标

完成本课学习后，你将能够：

• 理解表格识别在文档解析流水线中的位置与编排顺序
• 掌握表格分类器PaddleTableClsModel的 224x224 预处理与有线/无线判定逻辑
• 理解无线表格引擎 SLANET-Plus 的"结构预测 + OCR 匹配"工作流
• 理解有线表格引擎 UNet 的"线检测 → 单元格提取 → 行列恢复"工作流
• 了解有线/无线双引擎的竞争选择机制
• 掌握表格内联对象（图片、公式）的检测与注入流程
• 理解图像方向分类器PaddleOrientationClsModel的三级筛选策略
• 读懂表格识别相关核心源码的完整结构