表格结构检测中裁剪与未裁剪训练集的比较
计算机视觉与模式识别
2022-10-05 v2
摘要
从工业到政府，许多组织都高度期望用于表格信息提取的自动化文档处理。先前的工作已在表格检测与表格结构检测任务下解决了该问题。所提出的基于深度学习方法的解决方案在这些任务中给出了有前景的结果。然而，数据集结构对表格结构检测的影响尚未被研究。在本研究中，我们比较了使用裁剪与未裁剪数据集的表格结构检测性能。裁剪集仅由从文档中裁剪出的表格图像组成，假设表格已被完美检测。未裁剪集由常规文档图像组成。实验表明，深度学习模型在裁剪版本上的平均精度与平均召回可提升多达 9%。此外，在交并比（IoU）值为 50%–70% 时，与未裁剪版本相比，裁剪图像的影响可忽略不计。然而，在 70% IoU 阈值以上，裁剪数据集提供了显著更高的检测性能。
引用
@article{arxiv.2110.02933,
title = {On Cropped versus Uncropped Training Sets in Tabular Structure Detection},
author = {Yakup Akkaya and Murat Simsek and Burak Kantarci and Shahzad Khan},
journal= {arXiv preprint arXiv:2110.02933},
year = {2022}
}