全局表格提取器（GTE）：一种利用视觉上下文进行联合表格识别与单元格结构识别的框架
计算机视觉与模式识别
2020-12-03 v2
摘要
文档常用于商业与科学中的知识共享与保存，其中表格捕获了大多数关键数据。遗憾的是，大多数文档以 PDF 或扫描图像形式存储和分发，无法保留逻辑表格结构。近期已有基于视觉的深度学习方法来弥补这一差距，但多数仍无法达到最先进结果。我们提出全局表格提取器（GTE），一种视觉引导的系统性框架，用于联合表格检测与单元格结构识别，可构建于任意目标检测模型之上。借助 GTE-Table，我们发明了一种基于表格自然单元格包含约束的新惩罚项，以单元格位置预测辅助训练我们的表格网络。GTE-Cell 是一种利用表格样式的新型分层单元格检测网络。此外，我们设计了一种方法，自动标注现有文档中的表格与单元格结构，以低成本创建大规模训练与测试语料。我们据此增强 PubTabNet 并添加单元格标注，创建 FinTabNet——具有详细表格结构标注的真实世界复杂科学与金融数据集，以辅助训练与测试结构识别。我们的框架在 ICDAR 2013 与 ICDAR 2019 表格竞赛的表格检测与单元格结构识别上均超越先前最先进结果，完整表格提取系统显著提升 5.8%。进一步实验表明，在我们全新的域外 FinTabNet 中，相较原始 RetinaNet 目标检测模型，单元格结构识别提升逾 45%。
引用
@article{arxiv.2005.00589,
title = {Global Table Extractor (GTE): A Framework for Joint Table Identification and Cell Structure Recognition Using Visual Context},
author = {Xinyi Zheng and Doug Burdick and Lucian Popa and Xu Zhong and Nancy Xin Ru Wang},
journal= {arXiv preprint arXiv:2005.00589},
year = {2020}
}