基于深度神经网络的文档图像表格识别现状与性能分析
计算机视觉与模式识别
2021-05-11 v2
摘要
表格识别的第一阶段是在文档中检测表格区域。随后，在第二阶段识别表格结构以从各单元格提取信息。表格检测与结构识别是表格理解领域的关键问题。然而，由于表格中大量的多样性与不对称，表格分析是一项令人困惑的任务。因此，它是文档图像分析中的活跃研究领域。图形处理单元计算能力的近期进展使深度神经网络得以超越传统最优机器学习方法。表格理解已大幅受益于深度神经网络的近期突破。然而，对于用于表格检测与表格结构识别的深度学习方法，尚缺乏 consolidated 的描述。本综述论文对利用深度神经网络的现代方法进行了透彻分析。本工作深入理解了文档图像中表格理解的当前最优水平与相关挑战。此外，阐明了主要数据集及其复杂性，并给出定量结果。而且，简要概述了可作为进一步改进文档图像表格分析指引的有前景方向。
引用
@article{arxiv.2104.14272,
title = {Current Status and Performance Analysis of Table Recognition in Document Images with Deep Neural Networks},
author = {Khurram Azeem Hashmi and Marcus Liwicki and Didier Stricker and Muhammad Adnan Afzal and Muhammad Ahtsham Afzal and Muhammad Zeshan Afzal},
journal= {arXiv preprint arXiv:2104.14272},
year = {2021}
}
备注
23 pages, 14 figures