结合调制目标查询的端到端半监督方法用于文档中的表格检测
计算机视觉与模式识别
2024-05-14 v2
摘要
表格检测是文档分析中的一项关键任务，旨在精确识别和定位文档图像中的表格。尽管深度学习在这一领域取得了显著进展，但通常需要大量标注数据集才能进行熟练的训练。当前基于 CNN 的半监督表格检测方法在其检测过程中使用锚点生成过程和非极大值抑制（NMS），限制了训练效率。同时，基于 Transformer 的半监督技术采用一对一匹配策略，该策略提供有噪声的伪标签，限制了整体效率。本研究提出了一种创新的基于 Transformer 的半监督表格检测器。它通过一种结合一对一和一对多分配技术的新型匹配策略来提高伪标签的质量。这种方法在早期阶段显著提高了训练效率，确保为后续训练提供更优质的伪标签。我们的半监督方法在基准数据集上进行了全面评估，包括 PubLayNet、ICADR-19 和 TableBank。它取得了新的 SOTA 结果，在 TableBank (word) 和 PubLaynet 上使用 30% 标注数据时分别达到 95.7% 和 97.9% 的 mAP，较之前的半监督表格检测方法分别提升了 7.4 和 7.6 个百分点。结果清楚地表明了我们半监督方法的优越性，以大幅优势超越了所有现有的 SOTA 方法。这项研究代表了半监督表格检测方法的重大进展，为实际文档分析任务提供了更高效、更准确的解决方案。
引用
@article{arxiv.2405.04971,
title = {End-to-End Semi-Supervised approach with Modulated Object Queries for Table Detection in Documents},
author = {Iqraa Ehsan and Tahira Shehzadi and Didier Stricker and Muhammad Zeshan Afzal},
journal= {arXiv preprint arXiv:2405.04971},
year = {2024}
}
备注
ICDAR-IJDAR 2024