File size: 3,930 Bytes
188f4d8 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 | """字符检测（Detection / End-to-End Spotting）任务。
模型输出 JSON 数组，bbox 归一化到 0-1000，char 是该 bbox 对应的现代汉字。
"""
from __future__ import annotations
import json
import re
from ._text import strip_thinking
PROMPT = """你是一名古文字图像检测与识别专家。
任务：
请检测输入图像中所有可见的古文单字符，并为每个单字符同时给出边界框 bbox 和该字符本身。
检测对象：
- 每个独立古文字符作为一个目标
- 不要检测标点、背景纹理、裂纹、装饰线、器物边缘或非文字区域
- 如果一个字符残缺但仍可辨认为字符，也应检测
- 如果多个笔画明显属于同一个字符，只输出一个 bbox
坐标要求：
- bbox 格式为 [x1, y1, x2, y2]
- x1, y1 表示左上角坐标
- x2, y2 表示右下角坐标
- 所有坐标必须基于整张输入图像归一化到 0–1000 的整数范围
- x1 < x2，y1 < y2
- 不要输出小数
字符要求：
- char 字段填写该 bbox 区域对应的字符本身（使用现代汉字写出）
- 每个 bbox 只对应一个字符
- 如果字符无法识别，可以使用 "[UNK]" 代替，但仍需要输出该字符的 bbox
排序要求：
- 按从上到下、从左到右的顺序排输出
- idx 从 1 开始连续编号
输出要求：
- 只输出合法 JSON
- 不要输出解释、Markdown、代码块或多余文字
JSON 输出格式：
[
{"idx": 1, "bbox": [x1, y1, x2, y2], "char": "<该bbox对应的字符>"},
{"idx": 2, "bbox": [x1, y1, x2, y2], "char": "<该bbox对应的字符>"}
]
"""
def _strip_json_fence(text: str) -> str:
if not text:
return ""
s = text.strip()
m = re.match(r"^```(?:json|JSON)?\s*\n?(.*?)\n?```\s*$", s, flags=re.DOTALL)
return m.group(1).strip() if m else s
def extract(answer: str) -> tuple[bool, dict]:
data: dict = {"items": []}
if not answer:
return False, data
s = _strip_json_fence(strip_thinking(answer))
parsed = None
try:
parsed = json.loads(s)
except Exception:
parsed = None
if parsed is None:
lb, rb = s.find("["), s.rfind("]")
if lb != -1 and rb != -1 and rb > lb:
try:
parsed = json.loads(s[lb : rb + 1])
except Exception:
parsed = None
if parsed is None:
for m in re.finditer(r"\[[\s\S]*?\]", s):
try:
cand = json.loads(m.group(0))
if isinstance(cand, list):
parsed = cand
break
except Exception:
continue
if parsed is None or not isinstance(parsed, list):
return False, data
items: list[dict] = []
valid_all = True
for i, it in enumerate(parsed, start=1):
if not isinstance(it, dict):
valid_all = False
continue
bbox = it.get("bbox")
if not isinstance(bbox, list) or len(bbox) != 4 or not all(isinstance(v, (int, float)) for v in bbox):
valid_all = False
continue
x1, y1, x2, y2 = [int(round(float(v))) for v in bbox]
x1 = max(0, min(1000, x1))
y1 = max(0, min(1000, y1))
x2 = max(0, min(1000, x2))
y2 = max(0, min(1000, y2))
if not (x1 < x2 and y1 < y2):
valid_all = False
continue
char = it.get("char", "")
if not isinstance(char, str):
char = str(char) if char is not None else ""
char = char.strip()
idx = it.get("idx", i)
items.append(
{
"idx": int(idx) if isinstance(idx, (int, float)) else i,
"bbox": [x1, y1, x2, y2],
"char": char,
}
)
data["items"] = items
if len(parsed) == 0:
return True, data
if not items:
return False, data
return valid_all, data
|