原标题：炸裂！PDF转Word彻底告别收费时代，这个OCR开源项目要逆天！
随着企业数字化进程不断加速，PDF转Word的功能、纸质文本的电子化存储、文件复原与二次编辑、信息检索等应用都有着强烈的企业需求。目前市面上已有一些软件，但普遍需要繁琐的安装注册操作，大多还存在额度限制。此外，最终转换效果也依赖于版面形态，无法做到针对性适配。
PP-StructureV2系统流程图如下所示，文档图像首先经过图像矫正模块，判断整图方向并完成转正，随后可以完成版面信息分析与关键信息抽取2类任务。
版面分析指的是对图片形式的文档进行区域划分，定位其中的关键区域，如文字、标题、表格、图片等。在PP-StructureV1中，使用了PaddleDetection中开源的高效检测算法PP-YOLOv2完成版面分析的任务。在PP-StructureV2中，我们发布基于PP-PicoDet的轻量级版面分析模型，针对版面分析场景定制图像尺度，同时使用FGD知识蒸馏算法pp电子，进一步提升模型精度，最终CPU上41ms即可完成版面分析。
本次升级过程中，我们对模型结构和损失函数等5个方面进行升级，提出了 SLANet (Structure Location Alignment Network) ，模型结构如下图所示，详细解读请参考技术报告。
whjdark）基于最新发布的PP-StructureV2智能文档分析系统，开发了一款PDF转Word小工具，导入PDF文件可一键转换为可编辑Word，支持文字、表格、标题、图片的完整恢复。图8 PDF文件转Word文件操作流程演示
，并提供了开箱即用的网页版demo和小程序demo，整体系统存储从12.3M压缩至4.3M，在Mac-M1机器上使用chrome浏览器测试推理速度仅需350mspp电子，流畅度显著升级，相比旧版本模型压缩65%，预测速度提升87.5%。欢迎大家试用！☆入群福利
《动手学OCR》电子书，配套讲解视频和Notebook项目；OCR场景应用集合：包含数码管、液晶屏、车牌、高精度SVTR模型等10个垂类模型，覆盖通用，制造、金融、交通行业的主要OCR垂类应用；
PaddleDetection中提出了全新的轻量级系列模型PP-PicoDet，通过使用ESNet骨干网络、CSP-PAN特征融合模块、SimOTA标签分配方法等优化策略，最终在CPU与移动端具有卓越的性能。本次版面分析模型使用PP-PicoDet进行优化，同时针对版面分析场景优化预测尺度，最终相比PP-StructureV1版面分析模型，精度提升0.6%，模型速度提升9倍。
FGD（Focal and Global Knowledge Distillation for Detectors），是一种兼顾局部全局特征信息的模型蒸馏方法，分为Focal蒸馏和Global蒸馏2个部分。Focal蒸馏分离图像的前景和背景，让学生模型分别关注教师模型的前景和背景部分特征的关键像素；Global蒸馏部分重建不同像素之间的关系并将其从教师转移到学生，以补偿Focal蒸馏中丢失的全局信息。版面分析实验结果表明，FGD蒸馏算法能够进一步提升模型精度。
PP-StructureV2中，我们设计SLAHead模块，对单元格token和坐标之间做了对齐操作，如下图b所示。在SLAHead中，每一个step的隐藏层状态表征会分别送入SDM和CLDM来得到当前step的token和坐标，每个step的token和坐标输出分别进行concat得到表格的html表达和全部单元格的坐标。此外，我们在结构与回归分支使用更多的全连接层pp电子，增加二者特征的区分度。
LayoutLMv2以及LayoutXLM中引入视觉骨干网络，用于提取视觉特征，并与后续的text embedding进行联合，作为多模态的输入embedding。但是该模块为基于ResNet_x101_64x4d的特征提取网络，特征抽取阶段耗时严重，因此我们将其去除，同时仍然保留文本、位置以及布局等信息，最终发现针对LayoutXLM进行改进，下游SER任务精度无损，针对LayoutLMv2进行改进，下游SER任务精度仅降低2.1%，而模型大小减小了约340M。具体消融实验可以参考技术报告。
文本阅读顺序对于信息抽取与文本理解等任务至关重要，传统多模态模型中，没有考虑不同OCR工具可能产生的不正确阅读顺序，而模型输入中包含位置编码，阅读顺序会直接影响预测结果，在预处理中，我们对文本行按照从上到下，从左到右（YX）的顺序进行排序，为防止文本行位置轻微干扰带来的排序结果不稳定问题，在排序的过程中，引入位置偏移阈值Th，对于Y方向距离小于Th的2个文本内容，使用X方向的位置从左到右进行排序。