# SLANet

## Genel Bakış

**SLANet** ve **SLANet_plus**, belgelerdeki ve doğal sahnelerdeki tablo yapılarını doğru bir şekilde tanıma odaklı, tablo yapısı tanıma için geliştirilmiş özel hafif modeller serisinin bir parçasıdır. SLANet serisi model hakkında daha fazla ayrıntı için [resmî dokümantasyona](https://www.paddleocr.ai/latest/en/version3.x/module_usage/table_structure_recognition.html) bakın.

## Model Mimarisi

SLANet, Baidu PaddlePaddle Vision Team tarafından geliştirilen bir tablo yapısı tanıma modelidir. Model, CPU dostu hafif bir omurga ağı olan PP-LCNet, yüksek-düşük seviyeli özellik füzyon modülü CSP-PAN ve yapısal ile konumsal bilgileri hizalayan bir özellik çözümleme modülü olan SLA Head'i benimseyerek tablo yapısı tanımanın doğruluğunu ve çıkarım hızını önemli ölçüde artırır.

## Kullanım

### Tek girişli çıkarım

Aşağıdaki örnek, [AutoModel](/docs/transformers/v5.23.0/tr/model_doc/auto#transformers.AutoModel) kullanarak SLANet ile metin algılamanın nasıl yapılacağını göstermektedir.

```python
from io import BytesIO

from huggingface_hub.utils import httpx
from PIL import Image

from transformers import AutoImageProcessor, AutoModelForTableRecognition

model_path="PaddlePaddle/SLANet_plus_safetensors"
model = AutoModelForTableRecognition.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)

image = Image.open(BytesIO(httpx.get(image_url).content))
inputs = image_processor(images=image, return_tensors="pt").to(model.device)
outputs = model(**inputs)

results = image_processor.post_process_table_recognition(outputs)

print(result['structure'])
print(result['structure_score'])
```

## SLANetConfig[[transformers.SLANetConfig]]

#### transformers.SLANetConfig[[transformers.SLANetConfig]]

```python
transformers.SLANetConfig(transformers_version: str | None = None, architectures: list[str] | None = None, output_hidden_states: bool | None = False, return_dict: bool | None = True, dtype: str | torch.dtype | None = None, chunk_size_feed_forward: int = 0, is_encoder_decoder: bool = False, id2label: dict[int, str] | dict[str, str] | None = None, label2id: dict[str, int] | dict[str, str] | None = None, problem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = None, post_conv_out_channels: int = 96, out_channels: int = 50, hidden_size: int = 256, max_text_length: int = 500, backbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = None, hidden_act: str = 'hardswish', csp_kernel_size: int = 5, csp_num_blocks: int = 1)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/slanet/configuration_slanet.py#L31)

**Parametreler:**

post_conv_out_channels (`int`, *isteğe bağlı*, varsayılan 96) : Kodlayıcı sonrası konvolüsyon katmanı için çıktı kanalı sayısı.

out_channels (`int`, *isteğe bağlı*, varsayılan 50) : Tablo yapısı token tahmin başlığı için kelime dağarcığı boyutu, yani modelin tahmin edebileceği farklı yapı token sayısı.

hidden_size (`int`, *opsiyonel*, varsayılan 256) : Dikkat GRU hücresindeki gizli durumların ve yapı/konum tahmin başlıklarındaki boyut.

max_text_length (`int`, *isteğe bağlı*, varsayılan 500) : Yapı ve konum çözümleyici için otoregresif çözümleme adımlarının (token'ların) maksimum sayısı.

backbone_config (`Union[dict, ~configuration_utils.PreTrainedConfig]`, *isteğe bağlı*) : Omurga modelinin yapılandırması.

hidden_act (`str`, *isteğe bağlı*, varsayılan `hardswish`) : Dekoderdeki doğrusal olmayan aktivasyon fonksiyonu (fonksiyon veya dize). Örneğin, `"gelu"`, `"relu"`, `"silu"` vb.

csp_kernel_size (`int`, *opsiyonel*, varsayılan 5) : Cross Stage Partial (CSP) katmanının çekirdek boyutu.

csp_num_blocks (`int`, *isteğe bağlı*, varsayılan 1) : Cross Stage Partial (CSP) katmanı içindeki blok sayısı.

Bu, bir SlanetModel yapılandırmasını depolamak için kullanılan yapılandırma sınıfıdır. Belirtilen argümanlara göre bir Slanet modelinin örneklenmesi ve model mimarisinin tanımlanması için kullanılır. Varsayılan değerlerle bir yapılandırma örneği oluşturmak, [PaddlePaddle/SLANet_plus_safetensors](https://huggingface.co/PaddlePaddle/SLANet_plus_safetensors) ile benzer bir yapılandırmaya yol açar.

Yapılandırma nesneleri [PreTrainedConfig](/docs/transformers/v5.23.0/tr/main_classes/configuration#transformers.PreTrainedConfig) sınıfından türetilir ve model çıktılarını kontrol etmek için kullanılabilir. Daha fazla bilgi için [PreTrainedConfig](/docs/transformers/v5.23.0/tr/main_classes/configuration#transformers.PreTrainedConfig) belgesini okuyun.

## SLANetForTableRecognition[[transformers.SLANetForTableRecognition]]

#### transformers.SLANetForTableRecognition[[transformers.SLANetForTableRecognition]]

```python
transformers.SLANetForTableRecognition(config: SLANetConfig)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/slanet/modeling_slanet.py#L455)

**Parametreler:**

config ([SLANetConfig](/docs/transformers/v5.23.0/tr/model_doc/slanet#transformers.SLANetConfig)) : Modelin tüm parametrelerini içeren model yapılandırma sınıfı. Bir yapılandırma dosyasıyla başlatmak, modelle ilişkili ağırlıkları yüklemez, yalnızca yapılandırmayı yükler. Model ağırlıklarını yüklemek için [from_pretrained()](/docs/transformers/v5.23.0/tr/main_classes/model#transformers.PreTrainedModel.from_pretrained) yöntemine bakın.

Tablo tanıma görevleri için SLANet Tablo Tanıma modeli. Çekirdek SLANetPreTrainedModel'i sarar ve Transformers tablo tanıma API'siyle uyumlu çıktıları döndürür.

Bu model [PreTrainedModel](/docs/transformers/v5.23.0/tr/main_classes/model#transformers.PreTrainedModel) sınıfından devralır. Kütüphanenin tüm modelleri için uyguladığı genel yöntemler (indirme veya kaydetme, giriş gömme boyutlarını yeniden ayarlama, başları budama vb.) için üst sınıf belgelendirmesine bakın.

Bu model aynı zamanda bir PyTorch [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) alt sınıfıdır. Bunu standart bir PyTorch Module olarak kullanın ve genel kullanım ve davranışla ilgili tüm konular için PyTorch dokümantasyonuna başvurun.

#### forward[[transformers.SLANetForTableRecognition.forward]]

```python
forward(pixel_values: Tensor, **kwargs: *<class 'transformers.utils.generic.TransformersKwargs'>)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/slanet/modeling_slanet.py#L464)

**Parametreler:**

pixel_values (`torch.Tensor`, şekli `(batch_size, num_channels, image_size, image_size)`) : Girdi görüntülerine karşılık gelen tensörler. Piksel değerleri [SLANeXtImageProcessor](/docs/transformers/v5.23.0/tr/model_doc/slanext#transformers.SLANeXtImageProcessor) kullanılarak elde edilebilir. Ayrıntılar için [SLANeXtImageProcessor.__call__()](/docs/transformers/v5.23.0/tr/model_doc/molmo2#transformers.Molmo2ImageProcessor.__call__)'a bakın (`processor_class`, görüntüleri işlemek için [SLANeXtImageProcessor](/docs/transformers/v5.23.0/tr/model_doc/slanext#transformers.SLANeXtImageProcessor) kullanır).

**Dönüş:** `SLANetForTableRecognitionOutput` veya `tuple(torch.Tensor)`

`SLANetForTableRecognitionOutput` veya bir `torch.Tensor` demeti (eğer `return_dict=False` geçirildiyse veya `config.return_dict=False` ise), yapılandırmaya ([SLANetConfig](/docs/transformers/v5.23.0/tr/model_doc/slanet#transformers.SLANetConfig)) ve girdilere bağlı olarak çeşitli öğelerden oluşur.

[SLANetForTableRecognition](/docs/transformers/v5.23.0/tr/model_doc/slanet#transformers.SLANetForTableRecognition) forward metodu, `__call__` özel metodunu geçersiz kılar.

İleri geçiş tarifi bu fonksiyon içinde tanımlanmalı olsa da, sonrasında bunun yerine `Module` örneğini çağırmak gerekir; çünkü ilki ön ve son işleme adımlarını çalıştırmaktan sorumluyken ikincisi bunları sessizce yok sayar.

- **last_hidden_state** (`torch.Tensor`, şekli `(batch_size, num_channels, height, width)`) -- Modelin son katmanının çıktısındaki gizli durumlar dizisi.
- **hidden_states** (`tuple(torch.Tensor)`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- `torch.Tensor` (gömme katmanı varsa gömme katmanının çıktısı için bir tane + her katmanın çıktısı için bir tane) içeren ve `(batch_size, num_channels, height, width)` biçiminde bir demet.

  Her katmanın çıktısında modelin gizli durumları ve isteğe bağlı başlangıç gömme çıktıları.
- **head_hidden_states** (`tuple(torch.Tensor)`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- SLANetSLAHead'in her tahmin adımındaki gizli durumları, erken çıkışlara bağlı olarak en fazla `self.config.max_text_length` duruma kadar değişir.
- **head_attentions** (`tuple(torch.Tensor)`, *isteğe bağlı*, `output_attentions=True` geçirildiğinde veya `config.output_attentions=True` olduğunda döndürülür) -- SLANetSLAHead'in her tahmin adımındaki dikkatleri, erken çıkışlara bağlı olarak en fazla `self.config.max_text_length` dikkate kadar değişir.

## SLANetBackbone[[transformers.SLANetBackbone]]

#### transformers.SLANetBackbone[[transformers.SLANetBackbone]]

```python
transformers.SLANetBackbone(config: SLANetConfig)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/slanet/modeling_slanet.py#L428)

#### forward[[transformers.SLANetBackbone.forward]]

```python
forward(hidden_states: Tensor, **kwargs: *<class 'transformers.utils.generic.TransformersKwargs'>)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/slanet/modeling_slanet.py#L436)

**Parametreler:**

hidden_states (`torch.Tensor`) : `(batch, seq_len, embed_dim)` biçiminde katmana girdi

**Dönüş:** `BaseModelOutputWithNoAttention` veya `tuple(torch.Tensor)`

A `BaseModelOutputWithNoAttention` veya bir `torch.Tensor` tuple'ı (`return_dict=False` geçirildiğinde veya `config.return_dict=False` olduğunda), yapılandırmaya ([SLANetConfig](/docs/transformers/v5.23.0/tr/model_doc/slanet#transformers.SLANetConfig)) ve girdilere bağlı olarak çeşitli öğelerden oluşur.

[SLANetBackbone](/docs/transformers/v5.23.0/tr/model_doc/slanet#transformers.SLANetBackbone) forward metodu, `__call__` özel metodunu geçersiz kılar.

İleri geçiş tarifi bu fonksiyon içinde tanımlanmalı olsa da, sonrasında bunun yerine `Module` örneğini çağırmak gerekir; çünkü ilki ön ve son işleme adımlarını çalıştırmaktan sorumluyken ikincisi bunları sessizce yok sayar.

- **last_hidden_state** (`torch.Tensor`, şekli `(batch_size, num_channels, height, width)`) -- Modelin son katmanının çıktısındaki gizli durumlar dizisi.
- **hidden_states** (`tuple(torch.Tensor)`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- `torch.Tensor` (gömme katmanı varsa gömme katmanının çıktısı için bir tane + her katmanın çıktısı için bir tane) içeren ve `(batch_size, num_channels, height, width)` biçiminde bir demet.

  Her katmanın çıktısında modelin gizli durumları ve isteğe bağlı başlangıç gömme çıktıları.

## SLANetSLAHead[[transformers.SLANetSLAHead]]

#### transformers.SLANetSLAHead[[transformers.SLANetSLAHead]]

```python
transformers.SLANetSLAHead(config: dict | None = None, **kwargs)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/slanet/modeling_slanet.py#L138)

