基于深度学习的表格识别综述
计算机视觉与模式识别
2023-12-11 v1 人工智能
摘要
表格识别是利用计算机自动理解表格，从文档或图片中检测表格位置，并正确提取和识别表格的内部结构与内容。在早期基于启发式规则和机器学习的主流方法之后，深度学习技术的发展为该领域带来了新的范式。本综述主要从五个方面探讨表格识别问题。第一部分介绍数据集、基准和常用评估指标。该部分选取了研究者频繁使用的代表性数据集、基准和评估指标。第二部分介绍表格识别模型。本综述介绍了表格识别模型的发展，特别是基于深度学习的表格识别模型。普遍认为表格识别分为两个阶段：表格检测和表格结构识别。该部分介绍了遵循此范式（TD 和 TSR）的模型。第三部分是端到端方法，该部分介绍了一些学者尝试使用端到端方法一劳永逸地解决表格识别问题，以及数据为中心的方法，如数据增强、对齐基准等方法。第四部分是数据为中心的方法，例如数据增强、对齐基准等。第五部分总结和比较了表格识别领域的实验数据，并分析了主流和更具优势的方法。最后，本文还探讨了未来表格处理可能的发展方向和趋势，旨在为表格识别领域的研究者提供一些思路。（资源将在 https://github.com/Wa1den-jy/Topic-on-Table-Recognition 发布。）
引用
@article{arxiv.2312.04808,
title = {A Review On Table Recognition Based On Deep Learning},
author = {Shi Jiyuan and Shi chunqi},
journal= {arXiv preprint arXiv:2312.04808},
year = {2023}
}
备注
12 figures,6 tables, in Chinese language