一种用于整页文本定位、转录与命名实体识别的神经模型

近年来，用于文档图像信息提取的深度神经网络架构的巩固，为这一过程各环节（包括文本定位、转录和命名实体识别）的性能带来了巨大提升。然而，该过程传统上由针对各任务的独立方法完成。本工作中我们提出一个端到端模型，将单阶段目标检测网络与分别用于文本和命名实体识别的分支相结合，使共享特征能从各任务的训练误差中同时学习。由此，模型以单次前馈步骤在页面级别联合执行手写文本检测、转录与命名实体识别。我们在不同数据集上详尽评估了我们的方法，讨论了相比顺序方法的优势与局限。结果表明，该模型能够利用共享特征同时求解相互依赖的任务。