平安VC组针对 ICDAR 2021 科学表格图像识别转 LaTeX 竞赛的解决方案
计算机视觉与模式识别
2021-05-06 v1 人工智能
摘要
本文介绍我们针对 ICDAR 2021 科学表格图像识别转 LaTeX 竞赛的解决方案。该竞赛包含两个子任务：表格结构重建（TSR）与表格内容重建（TCR）。我们将两个子任务均视为独立的图像到序列识别问题。我们利用了先前提出的算法 MASTER \cite{lu2019master}，其最初用于场景文本识别。我们从多个角度优化 MASTER 模型：网络结构、优化器、归一化方法、预训练模型、输入图像分辨率、数据增强与模型集成。我们的方法在 TSR 任务上取得 0.7444 精确匹配（Exact Match）与 0.8765 精确匹配@95\%，并在 TCR 任务上获得 0.5586 精确匹配与 0.7386 精确匹配 95\%。
引用
@article{arxiv.2105.01846,
title = {PingAn-VCGroup's Solution for ICDAR 2021 Competition on Scientific Table Image Recognition to Latex},
author = {Yelin He and Xianbiao Qi and Jiaquan Ye and Peng Gao and Yihao Chen and Bingcong Li and Xin Tang and Rong Xiao},
journal= {arXiv preprint arXiv:2105.01846},
year = {2021}
}
备注
7 pages, 4 figures