利用条件生成对抗网络识别文档中的表格结构
计算机视觉与模式识别
2020-01-17 v1 神经与进化计算
摘要
在许多行业以及学术研究中，信息主要以非结构化文档的形式传递（例如本文）。层级相关数据被渲染为表格，而从此类文档的表格中提取信息是一项重大挑战。许多现有方法采用自底向上的方式，先将线条整合为单元格，再将单元格整合为行或列，最后从所得的二维布局推断结构。但此类方法忽略了关于表格结构的可用先验信息，即表格仅仅是潜在逻辑结构的任意表示。我们提出了一种自顶向下的方法，首先使用条件生成对抗网络将表格图像映射为标注了近似行、列边界而不含表格内容的标准化“骨架”表格形式，然后利用 xy-cut 投影与遗传算法优化推导潜在表格结构。该方法易于适配不同的表格配置，且训练所需数据集规模小。
引用
@article{arxiv.2001.05853,
title = {Identifying Table Structure in Documents using Conditional Generative Adversarial Networks},
author = {Nataliya Le Vine and Claus Horn and Matthew Zeigenfuse and Mark Rowan},
journal= {arXiv preprint arXiv:2001.05853},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1904.01947