基于锚点优化的引导式表格结构识别
计算机视觉与模式识别
2021-04-22 v1
摘要
本文提出了一种利用引导锚点进行表格结构识别的新方法。该思路不同于当前表格结构识别的最优（SOTA）方法——那些方法朴素地套用目标检测技术。与先前技术相反，我们首先估计用于表格结构识别的可行锚点，随后利用这些锚点定位表格图像中的行与列。此外，本文引入了一种简单而有效的方法，通过利用真实场景中的表格版式来提升结果。所提方法在两个公开可用的表格结构识别数据集（即 ICDAR-2013 与 TabStructDB）上进行了详尽评估。我们在 ICDAR-2013 数据集上取得了 SOTA 结果，平均 F-Measure 为 95.05%（行 94.6%，列 96.32%），并在 TabStructDB 数据集上超越基线结果，平均 F-Measure 为 94.17%（行 94.08%，列 95.06%）。
引用
@article{arxiv.2104.10538,
title = {Guided Table Structure Recognition through Anchor Optimization},
author = {Khurram Azeem Hashmi and Didier Stricker and Marcus Liwicki and Muhammad Noman Afzal and Muhammad Zeshan Afzal},
journal= {arXiv preprint arXiv:2104.10538},
year = {2021}
}
备注
13 pages, 8 figures, 5 tables. Submitted to IEEE Access Journal