分割、嵌入与合并：一种精准的表格结构识别器
计算机视觉与模式识别
2022-02-01 v3
摘要
表格结构识别是使机器理解表格的关键环节。其主要任务是识别表格的内部结构。然而，由于表格结构与样式的复杂性和多样性，将表格数据解析为机器易于理解的结构化格式十分困难，尤其对于复杂表格。本文提出分割、嵌入与合并(SEM)，一种精准的表格结构识别器。我们的模型以表格图像为输入，能够正确识别表格结构，无论其为简单或复杂表格。SEM主要由分割器、嵌入器和合并器三部分组成。在第一阶段，我们应用分割器预测表格行(列)分隔符的潜在区域，获得表格的精细网格结构。在第二阶段，通过充分考虑表格中的文本信息，我们融合来自视觉与语言模态的 each 表格网格输出特征。此外，我们通过加入额外的语义特征在实验中取得了更高精度。最后，我们以自回归方式处理这些基本表格网格的合并。相应的合并结果通过注意力机制学习。在我们的实验中，SEM在SciTSR数据集上取得了97.11%的平均F1-Measure，大幅优于其他方法。我们还在ICDAR 2021科学文献解析竞赛任务B中获复杂表格第一、全部表格第三。在其他公开数据集上的大量实验表明我们的模型达到了state-of-the-art。
引用
@article{arxiv.2107.05214,
title = {Split, embed and merge: An accurate table structure recognizer},
author = {Zhenrong Zhang and Jianshu Zhang and Jun Du},
journal= {arXiv preprint arXiv:2107.05214},
year = {2022}
}