# 一、PP-StructureV3 简介 **PP-StructureV3** 产线在通用版面解析v1产线的基础上，强化了版面区域检测、表格识别、公式识别的能力，增加了图表理解和多栏阅读顺序的恢复能力、结果转换 Markdown 文件的能力，在多种文档数据中，表现优异，可以处理较复杂的文档数据。本产线同时提供了灵活的服务化部署方式，支持在多种硬件上使用多种编程语言调用。不仅如此，本产线也提供了二次开发的能力，您可以基于本产线在您自己的数据集上训练调优，训练后的模型也可以无缝集成。
# 二、关键指标
Method Type Methods OverallEdit↓ TextEdit↓ FormulaEdit↓ TableEdit↓ Read OrderEdit↓
EN ZH EN ZH EN ZH EN ZH EN ZH
Pipeline Tools PP-structureV3 0.147 0.212 0.059 0.09 0.295 0.535 0.159 0.109 0.075 0.114
MinerU-0.9.3 0.15 0.357 0.061 0.215 0.278 0.577 0.18 0.344 0.079 0.292
MinerU-1.3.11 0.166 0.310 0.0826 0.2000 0.3368 0.6236 0.1613 0.1833 0.0834 0.2316
Marker-1.2.3 0.336 0.556 0.08 0.315 0.53 0.883 0.619 0.685 0.114 0.34
Mathpix 0.191 0.365 0.105 0.384 0.306 0.454 0.243 0.32 0.108 0.304
Docling-2.14.0 0.589 0.909 0.416 0.987 0.999 1 0.627 0.81 0.313 0.837
Pix2Text-1.1.2.3 0.32 0.528 0.138 0.356 0.276 0.611 0.584 0.645 0.281 0.499
Unstructured-0.17.2 0.586 0.716 0.198 0.481 0.999 1 1 0.998 0.145 0.387
OpenParse-0.7.0 0.646 0.814 0.681 0.974 0.996 1 0.284 0.639 0.595 0.641
Expert VLMs GOT-OCR 0.287 0.411 0.189 0.315 0.36 0.528 0.459 0.52 0.141 0.28
Nougat 0.452 0.973 0.365 0.998 0.488 0.941 0.572 1 0.382 0.954
Mistral OCR 0.268 0.439 0.072 0.325 0.318 0.495 0.6 0.65 0.083 0.284
OLMOCR-sglang 0.326 0.469 0.097 0.293 0.455 0.655 0.608 0.652 0.145 0.277
SmolDocling-256M_transformer 0.493 0.816 0.262 0.838 0.753 0.997 0.729 0.907 0.227 0.522
General VLMs Gemini2.0-flash 0.191 0.264 0.091 0.139 0.389 0.584 0.193 0.206 0.092 0.128
Gemini2.5-Pro 0.148 0.212 0.055 0.168 0.356 0.439 0.13 0.119 0.049 0.121
GPT4o 0.233 0.399 0.144 0.409 0.425 0.606 0.234 0.329 0.128 0.251
Qwen2-VL-72B 0.252 0.327 0.096 0.218 0.404 0.487 0.387 0.408 0.119 0.193
Qwen2.5-VL-72B 0.214 0.261 0.092 0.18 0.315 0.434 0.341 0.262 0.106 0.168
InternVL2-76B 0.44 0.443 0.353 0.29 0.543 0.701 0.547 0.555 0.317 0.228
以上部分数据出自： * OmniDocBench * OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations # 三、推理 Benchmark 在不同GPU环境下，不同配置的 PP-StructureV3 和 MinerU 对比的性能指标如下。 基本测试环境： * Paddle 3.0正式版 * PaddleOCR 3.0.0正式版 * MinerU 1.3.10 * CUDA 11.8 * cuDNN 8.9 ## 3.1 本地推理 本地推理分别在 V100 和 A100 两种 GPU机器上，测试了 6 种不同配置下 PP-StructureV3 的性能，测试数据为15个PDF文件，共925页，包含表格、公式、印章、图表等元素。 下述 PP-StructureV3 配置中，OCR 模型详情请见[PP-OCRv5](../PP-OCRv5/PP-OCRv5.md)，公式识别模型详情请见[公式识别](../../module_usage/formula_recognition.md)，文本检测模块 max_side_limit 设置请见[文本检测](../../module_usage/text_detection.md)。 ### NVIDIA Tesla V100 + Intel Xeon Gold 6271C
方案 配置 平均每页耗时 （s） 平均CPU利用率 （%） 峰值RAM用量 （GB） 平均RAM用量 （GB） 平均GPU利用率 （%） 峰值VRAM用量 （GB） 平均VRAM用量 （GB）
PP-StructureV3 OCR模型 公式识别模型 是否启用图表识别模块 文本检测max_side_limit
Server系列 PP-FormulaNet-L ✗ 4096 1.77 111.4 6.7 5.2 38.9 17.0 16.5
Server系列 PP-FormulaNet-L ✔ 4096 4.09 105.3 5.5 4.0 24.7 17.0 16.6
Mobile系列 PP-FormulaNet-L ✗ 4096 1.56 113.7 6.6 4.9 29.1 10.7 10.6
Server系列 PP-FormulaNet-M ✗ 4096 1.42 112.9 6.8 5.1 38 16.0 15.5
Mobile系列 PP-FormulaNet-M ✗ 4096 1.15 114.8 6.5 5.0 26.1 8.4 8.3
Mobile系列 PP-FormulaNet-M ✗ 1200 0.99 113 7.0 5.6 29.2 8.6 8.5
MinerU - 1.57 142.9 13.3 11.8 43.3 31.6 9.7
### NVIDIA A100 + Intel Xeon Platinum 8350C
方案 配置 平均每页耗时 （s） 平均CPU利用率 （%） 峰值RAM用量 （GB） 平均RAM用量 （GB） 平均GPU利用率 （%） 峰值VRAM用量 （GB） 平均VRAM用量 （GB）
PP-StructureV3 OCR模型 公式识别模型 是否启用图表识别模块 文本检测max_side_limit
Server系列 PP-FormulaNet-L ✗ 4096 1.12 109.8 9.2 7.8 29.8 21.8 21.1
Server系列 PP-FormulaNet-L ✔ 4096 2.76 103.7 9.0 7.7 24 21.8 21.1
Mobile系列 PP-FormulaNet-L ✗ 4096 1.04 110.7 9.3 7.8 22 12.2 12.1
Server系列 PP-FormulaNet-M ✗ 4096 0.95 111.4 9.1 7.8 28.1 21.8 21.0
Mobile系列 PP-FormulaNet-M ✗ 4096 0.89 112.1 9.2 7.8 18.5 11.4 11.2
Mobile系列 PP-FormulaNet-M ✗ 1200 0.64 113.5 10.2 8.5 23.7 11.4 11.2
MinerU - 1.06 168.3 18.3 16.8 27.5 76.9 14.8
## 3.2 服务化部署 服务化部署测试基于 NVIDIA A100 + Intel Xeon Platinum 8350C 环境，测试数据为 1500 张图像，包含表格、公式、印章、图表等元素。
实例数 并发请求数 吞吐 平均时延（s） 成功请求数/总请求数
4卡 ✖️ 1实例/卡 4 1.69 2.36 100%
4卡 ✖️ 4实例/卡 16 4.05 3.87 100%
# 四、PP-StructureV3 Demo示例
更多示例 # 五、使用方法和常见问题 1. 默认模型是什么配置，如果需要更高精度、更快速度、或者更小显存，应该调哪些参数或者更换哪些模型，对结果影响大概有多大？ 在“使用轻量OCR模型+轻量公式模型，文本检测max 1200”的基础上，将产线配置文件中的use_chart_recognition设置为False，不加载图表识别模型，可以进一步减少显存用量。在V100测试环境中，峰值和平均显存用量分别从8776.0 MB和8680.8 MB降低到6118.0 MB和6016.7 MB；在A100测试环境中，峰值和平均显存用量分别从11716.0 MB和11453.9 MB降低到9850.0 MB和9593.5 MB。 在Python API或CLI设置device为<设备类型>:<设备编号1>,<设备编号2>...（例如gpu:0,1,2,3）可实现多卡并行推理。如果内置的多卡并行推理功能提速效果仍不满足预期，可参考多进程并行推理示例代码，结合具体场景进行进一步优化：[多进程并行推理](https://github.com/PaddlePaddle/PaddleX/blob/develop/docs/pipeline_usage/instructions/parallel_inference.md#%E5%A4%9A%E8%BF%9B%E7%A8%8B%E5%B9%B6%E8%A1%8C%E6%8E%A8%E7%90%86%E7%A4%BA%E4%BE%8B)。 2. 服务化部署的常见问题 （1）服务可以并发处理请求吗？ 对于基础服务化部署方案，服务同一时间只处理一个请求，该方案主要用于快速验证、打通开发链路，或者用在不需要并发请求的场景； 对于高稳定性服务化部署方案，服务默认在同一时间只处理一个请求，但用户可以参考服务化部署指南，通过调整配置实现水平扩展，以使服务同时处理多个请求。 （2）如何降低时延、提升吞吐？ 无论使用哪一种服务化部署方案，都可以通过启用高性能推理插件提升模型推理速度，从而降低处理时延。 此外，对于高稳定性服务化部署方案，通过调整服务配置，设置多个实例，也可以充分利用部署机器的资源，有效提升吞吐。