今日 Paper | 人体图像生成和衣服虚拟试穿；鲁棒深度学习；图像风格迁移等

AI科技评论 · 公众号 · AI · 2020-01-13 19:25

正文

请到「今天看啥」查看全文

双向门控递归单元网络的表格结构提取

论文名称：Table Structure Extraction with Bi-directional Gated Recurrent Unit Networks

作者：Khan Saqib Ali /Khalid Syed Muhammad Daniyal /Shahzad Muhammad Ali /Shafait Faisal

发表时间：2020/1/8

论文链接：https://paper.yanxishe.com/review/8614

推荐理由：这篇论文要解决的是表格结构识别的问题。

表向读者呈现了汇总的结构化信息，这使表结构提取成为理解应用程序的重要组成部分。但是，表结构的识别是一个难题，这不仅是因为表布局和样式的变化很大，而且还因为页面布局和噪声污染水平的变化。已经进行了很多研究来识别桌子的结构，其中大部分是基于借助光学字符识别（OCR）将启发式方法应用于桌子的手抓布局特征的。由于表布局的变化以及OCR产生的错误，这些方法无法很好地概括。

在本文中，作者提出了一种基于鲁棒深度学习的方法，可以从文档图像中的检测表中高精度提取行和列。在提出的解决方案中，首先对表格图像进行预处理，然后将其馈送到具有门控循环单元（GRU）的双向循环神经网络，然后是具有最大软激活的完全连接层。网络从上到下以及从左到右扫描图像，并将每个输入分类为行分隔符或列分隔符。作者已经在公开的UNLV以及ICDAR 2013数据集上对作者的系统进行了基准测试，在该数据集上，其性能远远超过了最新的表格结构提取系统。这篇论文在公开的UNLV和ICDAR 2013数据集上进行了实验，验证了所提出的方法显著优于当前该领域的最佳方案。