检索结果-内蒙古大学图书馆

作者：唐怀路南京邮电大学

学位级别：硕士

近年来,随着图像处理和人工智能技术的快速发展,光学字符识别技术的精准度提高,衍生出了大批关于文字识别的产品。表格类型的文档是进行统计和整理表达的重要工具,在生产生活中使用的频率较高。由于表格类型的文档在整体结构和文字布局... 详细信息

近年来,随着图像处理和人工智能技术的快速发展,光学字符识别技术的精准度提高,衍生出了大批关于文字识别的产品。表格类型的文档是进行统计和整理表达的重要工具,在生产生活中使用的频率较高。由于表格类型的文档在整体结构和文字布局的复杂性,使用传统的文字识别产品对表格文档进行文字提取和识别,对表格内容的提取比较混乱,文字识别的准确度较低。目前市场上针对表格文档的文字提取产品较少,也不能满足实际的生产需要,设计一种能够针对表格图像的文字识别系统具有现实的生产意义。本文根据图像处理和人工智能技术的现阶段成果,设计了一种基于图像处理和人工智能的表格文字提取系统,主要研究工作和创新点包括:(1)针对表格图像在实际生产生活中的特点,提出了一套新型的表格图像预处理系统。预处理系统的主要工作是:排除图像中非文字和表格表框的其他图像干扰;优化文字和表框的清晰度;调整表格图像的倾斜角度;调整不同颜色文字和表框为黑色,背景颜色为白色等。表格文档经过预处理系统的处理,可以及其显著的减少采集表格图像带来的干扰,提高后续表格内容提取和文字识别的准确度。(2)参考数据流的思想,结合人工智能技术,创新提出了包含表格结构识别,文字检测,文字识别的算法框架。每个算法部分实现特定的功能,组合完成整体的表格文字提取和识别,可以根据不同的需求场景,对每部分算法进行单独的设计,以完成不同算法部分的正确性验证。此外,还可以根据提取文字的位置是否在表格内进行区别性设计,既保留图像中的表格文字部分内容,还保留非表格文字的内容。(3)根据算法部分的设计要求,对算法涉及的训练和验证数据集创新的设计了一套完整的标注方法。使用数据集大多来自收集的真实表格文本资料,加入部分进行了增强的数据集,以满足验证在真实场景下,采集表格图像遇到的各种干扰情况。同时,介绍了部分使用在标注和增强数据集的常用方法,收集数据的来源,常用来评判算法准确度的技术指标等。(4)为了真实的还原表格文字的内容,创新设计了根据表格和文本识别结果进行正确排列的后处理系统。后处理系统根据表格结构算法还原出的表格结构,完整的还原出表格的框架,并根据文字检测算法的结构有序的将识别出的内容放置在相应的表格框内,最大程度的还原识别文档的真实内容。

关键词：文字检测文字识别表格结构识别数据流图像处理人工智能

来源：评论

学校读者我要写书评

暂无评论

基于空间局部特征和全局特征检测的表结构识别研究

基于空间局部特征和全局特征检测的表结构识别研究

引用

作者：杨辰宇厦门理工学院

学位级别：硕士

表格作为一种普遍且重要的数据呈现方式,在科技文献、财务报表、报纸杂志等各类文档中广泛存在。表格紧凑地存储和展示数据,包含了大量有用信息,成为宝贵的数据资产。表格结构识别作为表格数据处理的基础,具有重要的应用价值,有助于高... 详细信息

表格作为一种普遍且重要的数据呈现方式,在科技文献、财务报表、报纸杂志等各类文档中广泛存在。表格紧凑地存储和展示数据,包含了大量有用信息,成为宝贵的数据资产。表格结构识别作为表格数据处理的基础,具有重要的应用价值,有助于高效提取表格结构化信息、理解文档内容以及有助于提高工作效率。表结构识别成为过去二十年来学界研究的热点领域之一。表格结构识别的目标是从表格数据中获取表格的行列布局信息以及表单元格的跨行跨列信息,随着深度学习的发展,针对表格结构识别的新研究和新方法不断涌现。然而,由于表格在各个应用场景中广泛使用,表格样式繁多,表格结构识别领域仍面临许多亟待解决的问题。例如,现有表格结构识别模型在处理无线表和少线表时的效果与实际应用之间仍存在差距;表格结构识别模型通常受限于特定数据集,泛化能力较差;近年来,随着移动设备拍照技术的发展,现实场景表格结构识别需求不断增长。现实场景中的表格图片由于亮度、对比度、倾斜度等因素的不同,给表格结构识别算法带来了巨大挑战。本研究针对表格数据在结构和风格上的复杂性和多样性,提出了一种基于拆分和合并的表格结构识别器。该模型以表格图像作为输入,能够准确识别不同类型的表格结构,包括单行单列、多行多列、少线表和无线表等,将识别出的表格结构转化为正确的HTML表格序列。第一阶段采用自上而下的拆分模型,按行/列方式处理表格分隔线掩码,准确获取表格的行列分隔线形状。第二阶段判断第一阶段得到的行/列分隔线区域是否需要合并跨行跨列单元格。最后通过后处理方法得到正确的表格结构。为了在表格中准确分割行列区域并充分利用二维信息,提出了一个特征增强模块用于抽取空间特征,从而提取准确的表格行/列特征,并分割出正确的行/列分隔线。将表格中的单元格拆分为最基本的表单元格。对于复杂表格中存在的跨行跨列的表单元格现象,本文在局部特征上利用水平/竖直两个方向的合并模块,准确找出需要合并的基本表单元格。最后将恢复的表格结构转化成HTML序列,准确表示表格结构。本研究在表格通用数据集PubTab上的性能优于其他方法,显示出了更好的泛化能力。通过应用本文所提出的表格结构识别器,可以在各种场景中准确识别表格结构,从而提高数据处理效率,为后续的表结构识别算法提供了参考。

关键词：表格结构识别深度学习特征增强二维结构

来源：评论

学校读者我要写书评

暂无评论

融合视觉与语言特征的表格结构解析分析研究

融合视觉与语言特征的表格结构解析分析研究

引用

作者：徐保钰电子科技大学

学位级别：硕士

得益于目前由于高分辨率的文字扫描系统以及先进的计算机技术,一些现有的光学字符识别(Optical Character Recognition,OCR)系统已经能够在大多数环境中帮助客户进行最基本的文字识别任务。但是对于用户来说,单纯的对表格中文字的识别... 详细信息

得益于目前由于高分辨率的文字扫描系统以及先进的计算机技术,一些现有的光学字符识别(Optical Character Recognition,OCR)系统已经能够在大多数环境中帮助客户进行最基本的文字识别任务。但是对于用户来说,单纯的对表格中文字的识别是不足的,通常表格的结构中也包含了关键内容,所以其中一个常见的实际应用场景便是对文档中存在的表格结构加以识别,从而提取出表格中的信息。目前的模型使用深度学习的方法在表格结构识别任务上取得了一定的进展,但是在真实世界的表格图片上仍然存在问题。首先,真实的图片中存在各种类型的空间畸变,在面对这些情况时,模型对于表格的一些假设不再成立,例如假设表格的格子是水平垂直的,因此面对几何形变,模型就会存在性能的下降。其次,在基于组合基本元素的模型中,模型大多数使用OCR工具获得的文本块或者是表格单元进行组合,这种组合方法将文本块看成了基本单位,但是这种基本单位粒度较粗,一个文本块中可能含有多个表格单元的内容。另外,在模型建模各个基本元素的关系时,存在对基本单元的相对位置建模不够充分的问题。针对第一个问题,本文提出了一种具有几何感知能力的表格结构识别网络,在使用骨干网络提取特征的基础上,借鉴关键点检测的思路对顶点和表格单元中心进行检测,在几何感知模块中,利用仿射变换建模几何畸变,使得模型得到几何感知的特征图,在此特征图上进行顶点到表格单元中心的配对回归,通过后处理还原表格的结构。针对后两个问题,本文提出了一种基于位置解耦Transformer的表格结构识别网络,首先通过OCR工具获得文本块与其对应的内容,然后使用Sentence Piece将文本块切分成更细粒度的文本段,将细粒度的文本段组合成表格结构。提出了内容与位置结解耦的Transformer网络,每个位置由内容向量和位置向量两个向量来表示,两种向量通过解耦的注意力机制交互。最后本文使用了有监督的对比学习损失对表征进行监督。本文提出的方法通过实验和对比证明了有效性和合理性。

关键词：表格结构识别几何感知位置解耦对比学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的文档表格识别技术研究

基于深度神经网络的文档表格识别技术研究

引用

作者：陈森潮深圳大学

学位级别：硕士

文档表格作为一种特殊格式的信息载体,逐渐成为各行各业快速获取信息的重要方式。文档表格的特点是信息集中,能呈现一定的结构性和规律性。在科技金融企业,数据单往往以文档表格的形式呈现;在科学研究领域,文档表格通常被用来整理实验... 详细信息

文档表格作为一种特殊格式的信息载体,逐渐成为各行各业快速获取信息的重要方式。文档表格的特点是信息集中,能呈现一定的结构性和规律性。在科技金融企业,数据单往往以文档表格的形式呈现;在科学研究领域,文档表格通常被用来整理实验数据和结果。但现阶段文档表格往往以图片的形式存在,用人工手动把它处理成计算机理解的格式会面临效率比较低、容易出错等问题。因此,研究通过神经网络自动提取图片文档表格特征,让计算机自动获取文档表格布局结构信息。现阶段文档表格自动化识别存在很多难点。比如文档表格种类多、背景复杂、不同行业有不同的表格类型、采集时所处的光照背景有很大的差异等问题,导致有些图片表格识别出来的效果较差。其次,基于深度学习的文档表格识别需要大量的计算资源,需要在保证模型精度的同时进一步降低模型的大小。因此,本文主要围绕深度神经网络在文档表格识别方面的研究,探索了文档表格识别技术的相关问题和解决方法,主要的工作和贡献包括以下几个方面: 第一,研究基于多尺度卷积核的文本检测算法。为了缓解文档表格识别对计算资源的大量需求,研究轻量化骨干神经网络,在降低模型参数的同时能够有效提取图像的特征信息。其次,对现阶段基于回归的检测算法出现的长文本检测效果差等问题,研究不同尺寸的卷积核,通过多尺度的感受野进行特征提取,以提高模型的泛化能力。最后,基于回归的文本检测网络能够准确地获取文本框的位置信息。第二,研究基于多维度特征融合的文本识别算法。现阶段文本识别算法通常由视觉模块和文本序列模块构成,为了缓解双阶段算法推理速度慢的问题,只用了视觉模块的网络。为了更精确地捕捉文字之间的笔画信息和相关性,采用了水平和垂直方向的局部注意力模块来提取字符内部的感知信息。这些局部注意力机制可以关注字符内部的细节和结构,并且能够捕捉到文字的上下文信息。此外,为了获取字符之间的全局信息,还引入了自注意力机制,通过对文字特征进行全局关联,赋予有效文字区域更大的权重。最后,通过全连接分类网络实现文字识别。第三,研究基于残差注意力机制的表格识别算法。为了有效解决表格识别中的位置关系、背景填充和单元格行列合并等难题,研究基于残差注意力机制的特征模块。该特征模块旨在从细粒度的角度刻画表格线条结构之间的相关性,通过提取各个表格部分的特征图,计算这些特征图之间的相关性。其次,研究基于自注意力机制的时序网络来补充表格特征之间的连续信息。通过自注意力机制,可以将表格中不同部分的特征进行全局关联,从而更好地理解表格的整体结构。最后,基于分类网络实现文档表格结构识别。本论文以深度神经网络方法对三个部分内容进行研究,结合上述三个部分内容的相关模型,旨在建立一个端到端的表格识别模型,在提高识别精度的同时能够降低模型的复杂度,把文档表格转为计算机可处理的数据格式,提高信息处理的效率。

关键词：海量数据端到端表格识别文本区域检测文本内容识别表格结构识别

来源：评论

学校读者我要写书评

暂无评论

基于纸张仿真的表格文档图像数据集生成系统的设计与实现

基于纸张仿真的表格文档图像数据集生成系统的设计与实现

引用

作者：杨静姝北京邮电大学

学位级别：硕士

表格是一种常见的、需要经常进行处理的信息载体,其特殊的逻辑结构决定了机器在处理表格时并不能使用简单的文本识别技术。而随着互联网技术的蓬勃发展以及手机、平板设备等移动设备的硬件提升,除了电子文件类表格外,越来越多的表格产... 详细信息

表格是一种常见的、需要经常进行处理的信息载体,其特殊的逻辑结构决定了机器在处理表格时并不能使用简单的文本识别技术。而随着互联网技术的蓬勃发展以及手机、平板设备等移动设备的硬件提升,除了电子文件类表格外,越来越多的表格产生于使用摄像头拍摄的表格文档图像。如何令机器理解表格文档图像中的表格结构与内容成为了学术界和工业界都在广泛讨论的问题。通过使用深度学习方法来分析表格结构,可以使表格文档图像处理的人力成本大大降低,并推进文档流程自动化进程。而要使深度学习算法的效果达到最优,除了算法本身外,最重要的是需要拥有标注完整的表格文档图像数据集作为训练和测评数据。表格文档图像数据集生成系统的功用是生成多样化的表格文档图像数据集,以供给深度学习算法训练和测评使用。本系统共有两大主要功能,一是通过对LaTex文件进行转化与文件解析生成标准表格文档图像,并通过字符匹配算法对文档图像中的表格进行结构标注,从而生成标准表格文档图像数据集;二是通过仿真纸张模型的制作,对纸张的结构和折痕扭曲进行模拟,再通过真实感渲染技术将文档图像渲染至纸张模型上,通过相机视口输出为仿真表格文档图像,作为对从手机、平板等移动拍摄设备中获取的真实纸质表格文档图像的仿真模拟,再经过纹理映射算法对仿真表格文档图像中表格结构进行标注,从而生成仿真表格文档图像数据集。此外,论文还设计了基于Python Qt的图形用户界面,可以在部署了 Python的操作平台上运行,用以方便用户的人机交互。论文详细介绍了基于纸张仿真的表格文档图像数据集生成系统的设计与实现。首先根据表格文档图像数据集的使用场景进行了需求分析,设计了系统的整体架构。其次调研了系统开发的相关技术,确定各个功能模块的技术实现。然后进一步地分析各个功能模块的处理流程,完成代码编写工作。最后按照功能需求对系统进行测试并分析实验结果。测试结果表明该系统能够满足数据集生成的功能需求,能在实际环境中稳定运行。

关键词：表格结构识别据集构造表格文档图像图像处理

来源：评论

学校读者我要写书评

暂无评论

对识别错误鲁棒的文档比对算法研究

对识别错误鲁棒的文档比对算法研究

引用

作者：徐政奇中国科学院大学

学位级别：硕士

文档是信息传播的重要媒介。但是，在使用过程中，文档并非一成不变，而通常存在大量的修改。文档比对，即获取修改前后文档间的差异，具有广泛的应用价值。例如，签订合同时，比对修改前后的合同文档可以帮助人们掌握具体的修改细节，... 详细信息

文档是信息传播的重要媒介。但是，在使用过程中，文档并非一成不变，而通常存在大量的修改。文档比对，即获取修改前后文档间的差异，具有广泛的应用价值。例如，签订合同时，比对修改前后的合同文档可以帮助人们掌握具体的修改细节，避免错漏而导致不必要的麻烦，甚或经济损失;期干lJ审稿时，比对修改前后的稿件有助于审稿人评估作者是否按要求进行修改。因此，文档比对是各类文字工作场景下不可或缺的重要工具。　　然而，大量的电子文档，如PDF文档，天然缺失文档结构信息。因此，文档结构识别，即识别文档中的段落、表格区域以及识别表格内部结构等，是文档比对前不可缺少的步骤。但是，由于文档排版的复杂性，现有的识别算法很难完全准确地还原文档结构信息，识别算法的错误进而给文档比对带来挑战。　　虽然文档比对任务有着几十年的研究历程，但是之前大部分工作主要关注于文本序列的比对，很少关注于非标签化的电子文档的比对，更没有考虑错误的文档结构识别带来的噪音问题。考虑到文档结构识别需要文档布局识别算法和表格结构识别算法两个步骤，本文针对此两类识别错误分别提出了相应的解决方法:　　首先，文档布局识别可能包含将一个完整段落识别为多个段落的错误。传统序列比对算法基于一对一的对齐，无法有效应对此类错误。因此，本文拓展了传统序列对齐问题，定义了允许多对多对齐的聚合序列对齐(AggregatedSequenceAlignment，ASA)问题，并提出动态聚合对齐(DynamicAggregatedAlignment，DAA)算法求解此问题。实验表明，新算法将F1由92.5％提升至96.1％。进一步地，本文还提出了一种加速算法，在保持效果几乎不变的情况下，提升近26倍的速度。　　其次，表格结构识别可能包含表格内线错误划分单元格的错误。该情况下，一对一的单元格对齐会产生错误的差异。因此，本文形式化定义了允许多对多对齐的表格单元格对齐问题，并发现该问题很难在多项式时间内求得全局最优解。受到分治思想的启发，本文提出了基于分治的单元格对齐算法(Divide-and-conquerbasedCellAlignment，DCA)，通过行列交替对齐的方法，将原问题不断分解直至不可再分为止，最终即可获取单元格级别的对齐关系。实验表明DCA算法效果大幅优于现有算法。当识别错误较少时，现有算法的F1最高为83.10％，而DCA算法的F1为100％;当识别错误较多时，现有算法的F1急剧下降至7.30％，而DCA算法仍能保持94.07％的F1。　　结合以上两点，本文提出了首个对于识别错误鲁棒的文档比对算法。即使存在严重的文档布局识别错误和表格结构识别错误，该算法仍能取得不错的效果。本文认为该算法对于任意序列对齐问题和表格单元格对齐问题是通用的。未来，我们将探索该算法的更多应用场景，例如三维甚或更高维结构的对齐问题。

关键词：文档比对文档布局识别聚合序列对齐表格结构识别表格单元格对齐

来源：评论

学校读者我要写书评

暂无评论

基于TableMaster的端到端的表格识别算法研究

基于TableMaster的端到端的表格识别算法研究

引用

作者：彭志明南昌大学

学位级别：硕士

在现实生活中,表格广泛应用于各个领域,如文档处理、数据分析、金融报表等。然而,由于图像表格的复杂性和多样性,因此有效地自动识别和提取其中的信息是一项具有挑战性的任务。传统的表格识别方法通常基于规则和模板,需要人工定义规则... 详细信息

在现实生活中,表格广泛应用于各个领域,如文档处理、数据分析、金融报表等。然而,由于图像表格的复杂性和多样性,因此有效地自动识别和提取其中的信息是一项具有挑战性的任务。传统的表格识别方法通常基于规则和模板,需要人工定义规则和特征来提取表格的结构和内容。这种方法在简单的表格上效果较好,但在复杂的表格、噪音干扰较多的情况下表现不佳。近年来,深度学习技术的兴起为表格识别带来了新的突破。深度学习方法通过建立端到端的模型,可以直接从原始图像数据中学习到表格的结构和内容。典型的深度学习方法包括基于卷积神经网络(CNN)和循环神经网络(RNN)的模型,通过学习图像的局部特征和上下文信息来进行表格识别和提取。然而对于高速公路质量管理系统而言,表格中复杂的跨行跨列结构、单元格样式的多样性以及特殊字符的出现又进一步提升了任务的难度。本文主要针对复杂的表格结构、文本检测、识别的速度以及准确率等问题进行优化,在Table Master模型的基础上加以改进,此模型将表格识别任务分成三个子任务,分别为文字检测、文字识别和表格结构识别任务。论文主要工作可以分为以下三点: (1)针对以PSENet算法为基础的文本检测算法进行改进。首先针对表格线离文字过近影响文本检测,单元格文字位置的水平居中等问题,表格识别中的文本检测子任务,选择以PSENet算法框架为基础。其次在PSENet模型基础上,使用了更加轻量级的特征分割模块和一个可学习的像素聚合模块,完成对文本块的识别,提高了算法的效率和准确率。 (2)针对Master算法解码器中上下文信息缺失问题进行改进。为了解决文字识别任务中字符中英文混杂,特殊字符等问题,本文以平安财产保险视觉计算团队推出的Master算法为基准,使用CPPD解码器替换原先的解码器部分,既拥有原来PD解码器的并行效率,又有AR解码器的上下文获取能力。CPPD解码器中使用字符计数模块和字符顺序模块提取上下文信息,这使得模型可以优先处理重要的文本特征,可以捕捉文本的内在结构和上下文,从而提高模型识别准确性。 (3)针对表格识别算法整体流程进行改进。为了解决表格结构识别中复杂表格无法识别问题。本文在Table Master模型的基础上,通过有线表格数据集对模型进行训练,对项目中使用到的表格进行裁剪,使用YOLOv7算法裁剪出中间有线表的部分,再输入到模型进行识别,最后将表格结构识别和文字识别的融合结果,通过模板匹配的方式生成对应样式的excel文件。实验证明,本文提出的端到端的表格识别模型,对表格识别中的文本检测、文字识别以及表格结构识别三个子任务都有不同程度的优化,提高了模型识别的效率和准确率。

关键词：表格结构识别文本检测文本识别注意力机制双模态融合

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的表格文档图像数字化技术研究

基于深度学习的表格文档图像数字化技术研究

引用

作者：孔垂鑫电子科技大学

学位级别：硕士

在当今社会,纸质文档仍是承载信息的重要方式之一,表格作为一种特殊的内容类型,提供了一种高度凝练的数据展示方式,在文档中占据着重要作用。表格的审核工作,如发票报销录入、医保报销核查、货单清点等,是一种繁复且易出错的工作,带来... 详细信息

在当今社会,纸质文档仍是承载信息的重要方式之一,表格作为一种特殊的内容类型,提供了一种高度凝练的数据展示方式,在文档中占据着重要作用。表格的审核工作,如发票报销录入、医保报销核查、货单清点等,是一种繁复且易出错的工作,带来了巨大的人工成本。此外,在数字化进程的推动下,大量的纸质文档尤其是表格文档需要被数字化以便归档和日后检索。所以表格文档的数字化研究具有重要的经济价值。表格文档具有表格类型复杂多样等特点,使得表格文档数字化仍是一个具有挑战性的问题。本文聚焦于表格文档的数字化技术研究,在该领域的一些关键性问题上如表格结构识别等问题进行了深入的探索。对于表格文档图像的结构还原问题来说,图像方向矫正是否准确是影响表格结构识别结果优劣的重要因素之一。对于一张输入的扫描文档图像,其文字方向可能是任意的,算法需要判断出文档页面的方向并对其进行适当旋转矫正以使文本行方向水平同时表格线横平竖直,这样才能为后续的表格结构识别和文本识别打下良好基础。本文提出了一种结合深度学习和直线检测算法的文档图像矫正算法,能够利用文本级别的方向信息,实现对文档图片鲁棒、精确的矫正。表格结构识别是表格文档数字化中最具挑战性的任务。表格结构识别存在众多挑战,如:(1)表格类型多样,存在有线表格、无线表格等;(2)表格线型多样,如实线、虚线等;(3)表格存在背景干扰,如噪声、光线阴影、表格底色、水印、印章等;(4)表格存在复杂的单元格合并问题:如跨行合并、跨列合并等。在过去的几十年间,一些学者提出了很多表格结构识别方法,但大多只能处理模板固定或者结构简单的有线表格,且需要针对数据集的不同设置不同的参数,泛化能力差。本文提出了一个结合深度学习和传统图像处理的表格结构识别算法,能够适用于多种类型、多种线型的表格,相较于传统的表格方法具有还原精度高,设置参数少,泛化能力强等优点。本文提出了一个表格文档数字化系统,能够处理多种格式的表格文档输入,输出高可用性的表格识别结果。基于表格类型复杂的银行对账单数据集,本系统在表格结构识别环节可以达到平均96%的F-分数,在文本识别环节,本系统在可以达到98.5%的文本整体识别准确率,以及针对金额数据优化的99.4%的数字识别准确率,能大大节省表格文档数字化工作的人力成本。

关键词：表格结构识别 OCR 文本检测文本识别

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的表格识别系统设计与实现

基于深度学习的表格识别系统设计与实现

引用

作者：张鸣洲华中科技大学

学位级别：硕士

近年来,受光学字符识别技术发展的影响,文档识别的应用和需求与日俱增,自动地识别文档并从中挖掘关键信息具有实用价值。表格以直观简洁的方式表示数据,是文档页面的重要对象,在生产生活中有广泛应用。但是,由于复杂的文字布局和表格结... 详细信息

近年来,受光学字符识别技术发展的影响,文档识别的应用和需求与日俱增,自动地识别文档并从中挖掘关键信息具有实用价值。表格以直观简洁的方式表示数据,是文档页面的重要对象,在生产生活中有广泛应用。但是,由于复杂的文字布局和表格结构,表格识别难度高,面向用户和开发者的表格识别系统少,无法满足一般需求。因此表格识别系统的设计与实现有现实意义。本论文的主要研究内容如下:首先,本文创建了一个大规模表格识别数据集,提出HTML标记语言生成数据的方法。数据集收集科学文档中的表格图像,使用真实的文本语料和单元格结构,为基于深度学习的表格识别模型提供大规模的训练和测试数据,方便公平比较,同时介绍了生成数据集的方法和表格识别常用评价标准。其次,本文提出了三阶段的表格识别算法,算法分为表格文字检测、表格文字识别和表格结构识别,表格文字检测基于角点检测与区域分割网络,表格文字识别基于不定长序列识别算法,表格结构识别基于图网络模型,分别针对实际问题进行工程化改进,在数据集和实际图片上设置多种对比实验,验证算法的性能和速度,分析错误结果和算法缺陷。对输入图像数据,检测、识别和表格结构重建结合识别完整表格,为系统设计提供重要算法支撑。最后,本文设计并实现了在线表格识别系统。系统使用Flask框架,提供网页应用程序服务,包括前端页面、数据库和后台程序,功能上采用模块化设计,实现图片的实时上传识别显示和识别结果修正,详细说明模块的功能分析、功能实现和性能评估,设计模块关联数据表,分析系统优越性和局限性。

关键词：表格识别在线表格识别系统深度学习表格结构识别

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的表格检测识别算法综述

引用

计算机与网络 2021年第2期47卷 65-73页

作者：孔令军包云超王茜雯李华康金陵科技学院南京邮电大学西交利物浦大学

信息时代的高速发展导致数据的大量产生与频繁传输,单单依靠人力很难处理这些数据。依托于人工智能的兴起与发展,数据的利用变得更加高效。表格作为一种特殊的数据形式,逐渐引起了广泛关注。概述了表格识别技术的发展,介绍了传统的表格... 详细信息

信息时代的高速发展导致数据的大量产生与频繁传输,单单依靠人力很难处理这些数据。依托于人工智能的兴起与发展,数据的利用变得更加高效。表格作为一种特殊的数据形式,逐渐引起了广泛关注。概述了表格识别技术的发展,介绍了传统的表格识别技术及其缺点;介绍了基于深度学习技术的表格检测、表格结构识别、端对端检测与识别以及字符识别,重点阐述了表格检测与结构识别算法;给出表格数据的数据集以及在其上的最新指标,展望了表格检测识别技术的发展前景。

关键词：人工智能深度学习表格检测表格结构识别光学字符识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：