WeLayout：面向 ICDAR 2023 企业文档鲁棒布局分割竞赛的微信布局分析系统
计算机视觉与模式识别
2023-05-12 v1
摘要
在本文中，我们介绍了 WeLayout，一种用于企业文档布局分割的新型系统，其代表 WeChat Layout Analysis System（微信布局分析系统）。我们的方法利用了 DINO 和 YOLO 模型的复杂集成，专为 ICDAR 2023 鲁棒布局分割竞赛开发。我们的方法显著超越基线，以 70.0 的 mAP 在排行榜上位居前列。为实现该性能，我们专注于增强任务的多个方面，如数据集增强、模型架构、边界框细化以及模型集成技术。此外，我们针对每个文档类别分别训练数据，以确保更高的提交平均分。我们还开发了用于单元格匹配的算法以进一步提升性能。为确定模型集成的最优权重和 IoU 阈值，我们采用了一种称为 Tree-Structured Parzen Estimator 的贝叶斯优化算法。我们的方法有效展示了结合基于查询与无锚模型以实现企业文档鲁棒布局分割的优势。
引用
@article{arxiv.2305.06553,
title = {WeLayout: WeChat Layout Analysis System for the ICDAR 2023 Competition on Robust Layout Segmentation in Corporate Documents},
author = {Mingliang Zhang and Zhen Cao and Juntao Liu and Liqiang Niu and Fandong Meng and Jie Zhou},
journal= {arXiv preprint arXiv:2305.06553},
year = {2023}
}