企业官网建设流程全解析

CnSTD 快速上手：中英文场景文字检测、数学公式检测与版面分析一个包搞定

【免费下载链接】CnSTDCnSTD: 基于 PyTorch/MXNet 的 中文/英文 场景文字检测（Scene Text Detection）、数学公式检测（Mathematical Formula Detection, MFD）、篇章分析（Layout Analysis）的Python3 包项目地址: https://gitcode.com/gh_mirrors/cn/CnSTD

如果你正在搭文档解析流水线，要解决的第一件事不是"文字说了什么"，而是"文字、公式、表格在图的哪个位置"。CnSTD 是一个开源的 Python 3 包，基于 PyTorch，覆盖场景文字检测（STD）、数学公式检测（MFD）和版面分析（Layout Analysis）三件事：装完就能跑，自带训练好的模型。

它帮你省掉了什么

以前想在一张照片里找到文字，得自己找模型、转格式、写预处理、一个个调阈值。用 CnSTD 是 pip 装完就能跑：模型首次运行自动下载到~/.cnstd目录，之后就不用再管它。

1. 在图片里定位文字（场景文字检测）

能做什么：检测中、英文文字，支持带角度的文本框和竖排文字，输出 4 点坐标框和置信度，还附带裁好并摆正的cropped_img。自研 DBNet 模型（db_resnet34测试集 IoU 0.7322）和 PP-OCRv4/v5/v6 的 ONNX 版本都有，最小的模型约 7.9M。

对你意味着什么：电商商品图、招牌、中英混排截图，直接拿到"文字在哪"；把cropped_img交给 cnocr 识别文字即可，不用自己再处理。

2. 把数学公式找出来（MFD）

能做什么：基于 YOLOv7 架构，用英文 IBEM 与中文 CnMFD_Dataset 两个数据集训练，区分行内嵌入公式（embedding）和独立行公式（isolated）两类。

对你意味着什么：把教材页、笔记图片转 Markdown 时，先用它把公式位置框出来，OCR 环节就不会把公式当乱码文字识别。

3. 把文档版面拆成块（Layout Analysis）

能做什么：同一个LayoutAnalyzer类，model_name换成'layout'，即可识别正文、标题、图片、图片标题、表格、表格标题、页眉、页脚、注释、公式共 10 种元素。

对你意味着什么：论文 OCR、文档归档场景里，"哪一块是什么"由检测结果直接给出，不用自己训 YOLO。

拿到手就能用的路径

不写代码：pip install cnstd（Python 3.8 及以上，依赖 opencv），然后在终端跑cnstd predict -i examples/taobao.jpg -o outputs，单张图片或整个目录都行；cnstd analyze -m mfd同理。

写代码：from cnstd import CnStd，CnStd().detect('examples/taobao.jpg')即得检测结果；MFD 与版面分析用LayoutAnalyzer。📦 仓库scripts/目录还有配合 Label Studio 的标注脚本，方便在自己的数据上继续微调。

适合谁、什么时候别用

适合：搭文档解析、OCR 流水线的开发者；要在中文文档里定位公式的人；想训自己的 DBNet 文字检测模型的人（自带cnstd train命令）。

不适合：只做文字识别的人——它只找位置、不认内容，识别要配 cnocr 一起用；只检测普通物体的场景，选更通用的目标检测方案更省事。

下一步

项目在持续更新：最新的 V1.2.8（2026.07.04）加入了 PP-OCRv6 多语种检测模型，由作者 breezedeus 一人维护。下一步：clone 仓库 https://gitcode.com/gh_mirrors/cn/CnSTD ，跑一遍examples/里的示例图看效果；遇到坑，直接提 issue。✅

【免费下载链接】CnSTDCnSTD: 基于 PyTorch/MXNet 的 中文/英文 场景文字检测（Scene Text Detection）、数学公式检测（Mathematical Formula Detection, MFD）、篇章分析（Layout Analysis）的Python3 包项目地址: https://gitcode.com/gh_mirrors/cn/CnSTD