TGRNet：一种用于表格结构识别的表格图重建网络

以行列排列数据的表格是一种非常有效的数据结构，已广泛应用于商业与科学研究中。考虑到线上线下文档中的大规模表格数据，自动表格识别已引起文档分析界越来越多的关注。尽管人类可轻松理解表格结构，机器理解该结构仍具挑战，尤其因各种不同表格布局与样式所致。现有方法通常将表格建模为标记序列或不同表格单元格间的邻接矩阵，未能解决表格单元格逻辑位置的重要性，例如某单元格位于表格的第一行第二列。在本文中，我们将表格结构识别问题重新表述为表格图重建，并提出一种端到端可训练的表格图重建网络（TGRNet）用于表格结构识别。具体而言，所提方法有两个主要分支，单元格检测分支与单元格逻辑位置分支，以联合预测不同单元格的空间位置与逻辑位置。在三个流行表格识别数据集及一个带有表格图标注的新数据集（TableGraph-350K）上的实验结果证明了所提 TGRNet 用于表格结构识别的有效性。代码与标注将公开提供。