面向半监督表格检测的端到端语义对齐匹配变换器

文档图像中的表格检测是文档处理中的关键任务，涉及表格的识别与定位。深度学习技术的近期进展大幅提升了该任务的准确率，但仍严重依赖大规模标注数据进行有效训练。一些半监督方法涌现出来，以克服这一挑战，常采用基于 CNN 的检测器配合锚框提议及后处理技术，如非极大值抑制（NMS）。然而，近期研究进步正逐步转向基于变换器的技术，无需 NMS，强调对象查询和注意力机制。以往研究聚焦于两个关键方面以提升基于变换器的检测器：细化对象查询质量和优化注意力机制。然而，增加对象查询会引入冗余，而调整注意力机制则会增加复杂度。为此，我们引入一种采用 SAM-DETR 的半监督方法，实现对象查询与目标特征之间的精确对齐。该方法在减少假阳性率方面取得显著效果，并在结构多样的复杂文档中显著提升表格检测性能。本工作在半监督设置下提供了更高效和更准确的表格检测方案。