机器之心三篇论文,纵览深度学习在表格识别中的最新应用( 九 )
本文使用从各种来源下载的免费文档图像作为神经网络的训练数据集 。 表格、行和列是使用自定义工具手动标记的 。 固定学习速率为 0.0005 。 作者训练了 323 幅图像中的 10 次迭代的列分类器和 286 幅图像中的 35 次迭代的行分类器 。
2、实验分析
本文实验使用的是 UNLV 数据集 。 本文重点讨论的是表格识别问题中的表格结构提取 , 因此作者从 UNLV 库中的真实文件中裁剪得到 557 个表用于实验 。 作者使用 T-Recs 作为对比方法[11] 。 T-Recs 是一个用于表格结构提取的非深度学习方法 。 由表 1 和表 2 的实验结果可知 , 本文提出方法显著提高了列的检测准确度 , 准确度从 40.51% 提高到了 55.31% 。 在行检测的情况下 , 准确度从 54.98% 提高到了 58.45% 。 另一方面 , 与 T-Recs 方法相比 , 本文方法得到的结果中过分割和欠分割的数量更多 , 因此出现表格结构部分检测的情况减少了 。
本文插图
表 1. 在 427 个包含表格区域的二进制 300-DPI 扫描 UNLV 数据集文件中的评估结果(列分割)
本文插图
表 2. 在 427 个包含表格区域的二进制 300-DPI 扫描 UNLV 数据集文件中的评估结果(行分割)
最后 , 作者将本文提出的方法与文献 [12] 中提出的基于深度学习(CNN)的表格结构识别方法进行对比 。 该实验使用 ICDAR 2013 表格竞赛数据集 , 其中包含 67 个文档 , 238 页 。 具体实验结果见表 3 。 本文提出的方法在计算准确度、召回率和 F1 分数等方面性能都优于 [12] 中的方法 。
本文插图
表 3. ICDAR 2013 数据集中计算准确度、召回率和 F1 分数的实验结果
3、小结
针对表格结构识别任务 , 本文提出了一种基于 GRU 序列模型的表格结构抽取方法 。 与启发式算法和基于 CNN 的模型相比 , 基于序列的模型可以有效捕捉表格中重复的行 / 列结构 , 因此大大改进了表格结构抽取的性能 。 作者表示 , 后续工作将集中于开发一个从表格单元格中提取信息的连贯框架 。
四、本文小结
在这篇文章中 , 我们讨论了表格识别问题 。 表格是一种非常重要也非常常见的公文格式、文档形式 , 因此 , 有效对表格进行分析和识别 , 从表格中抽取信息 , 具有非常重要的应用价值 。 表格中具有复杂的层次结构 , 除了存在行、列、表头结构外 , 还存在分割线、合并单元格等元素 。 这就导致传统的信息抽取、文档分析与识别方法直接应用在表格识别中效果都不好 。
本文结合表格识别数据集构建、表格检测与结构识别任务、表格结构识别任务等三个方面的应用 , 分析了三篇最新的研究论文 , 了解了深度学习方法在表格识别任务中的应用 。 其中 , 第一篇文章的主要目的是提出一种应用中文语言的、适用于金融领域的表格识别任务数据集 , 并在此基础上提出了本数据集的基线任务方法 。 该方法主要解决经典的表格识别问题 , 即从表格中提取单元格中的内容 。 作者将表格中的单元格组织成为图结构 , 利用图神经网络技术实现表格识别 。 第二篇文章主要目的是同时解决表格检测与表格中的结构识别问题 。 因此 , 为了能够同时解决两项任务且有效利用两项任务之间的相关信息 , 作者使用了编码器 - 解码器结构的深度学习模型 , 通过共享编码器的方式完成表格检测与结构识别任务 。 第三篇文章目的是提出一种表格结构抽取方法 。 由于表格中的行和列具有典型的相互关联、相互影响的特点 , 本文作者使用了带有门控递归单元的双向递归神经网络 。 双向递归神经网络可以有效捕捉表格中重复的行 / 列结构 , 因此大大改进了表格结构抽取的性能 。
推荐阅读
- 新华网|各显神通的“机器伙伴”
- 机器人病毒检测、无人机送快递……来看2020服贸会服务机器人展区的智能高科技
- 餐宝典|餐饮业十大发展趋势:洗牌、资本、供应链、机器人……
- LeoGo科技|科沃斯除菌地宝N8和米家扫拖机器人横评——两款解放双手的精品
- 机器人:温柔可爱软妹子X优雅迷人贵公子
- 「机器人」优必选机器人Walker浇花踢球 视觉技术再升级
- 烈焰|台版101收官!烈焰之心组出道,造型和舞台被吐槽又low又土味
- 北晚新视觉网|手滑多打了个零,早产月饼?厂商回应生产日期早于当前:刚换了机器
- DIGITIMES|“长腿”机器人跳跃巡视农地揪害虫
- 辛芷蕾|《我的女友是机器人》超前点映助观众“笑得灿烂哭得痛快”
