检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

2 篇 学位论文

馆藏范围

2 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

2 篇 工学
- 2 篇 机械工程
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 经济学
- 1 篇 应用经济学
1 篇 管理学
- 1 篇 公共管理

主题

2 篇 表结构识别
2 篇 表格识别
1 篇 文档分析
1 篇 中心点
1 篇 语义分割
1 篇 图神经网络
1 篇 表格检测
1 篇 热力图

机构

1 篇 湖南大学
1 篇 东南大学

作者

1 篇 屠笑生
1 篇 陈佩佩

语言

2 篇 中文

检索条件"主题词=表结构识别"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

健康保险信息图片中表格识别技术与应用研究

健康保险信息图片中表格识别技术与应用研究

引用

作者：屠笑生东南大学

学位级别：硕士

健康保险行业往往需要录入票据表格,出于自动化办公的需求,针对自然场景有线医疗票据表格识别展开了一系列研究,研究在深度学习下进行。基于深度学习的表格识别方案主要分为四类:基于目标检测的表格识别、基于语义分割的表格识别、基于... 详细信息

健康保险行业往往需要录入票据表格,出于自动化办公的需求,针对自然场景有线医疗票据表格识别展开了一系列研究,研究在深度学习下进行。基于深度学习的表格识别方案主要分为四类:基于目标检测的表格识别、基于语义分割的表格识别、基于序列的表格识别、基于图神经网络的表格识别。其中,对于有线表格识别问题,工业界常常采用基于目标检测或语义分割的方法,但是基于目标检测的方法难以解决弯曲幅度过大或密集表格中的折痕问题,基于语义分割的方法则难以解决遮挡、瑕疵等造成的断线问题。本研究以语义分割为基础,提出了表结构识别单元格还原模型CRTable(Cell Map Restoration for Table Structure Recognition),受CenterNet目标检测模型以及许多其他关键点检测模型启发,提出了根据单元格中心点来修复语义分割断裂的单元格线的算法CellCP(Repair Cell based on Center Point),其核心研究工作如下: (1)CenterNet通过中心点定位物体,本研究也通过中心点找到单元格,但本研究所提出的CellCP修复算法无需准确的中心点,甚至可以不止一个中心点,也并非基于一小块区域,而是直接对整个单元格计算基于距离的热力图,并根据阈值划分区域找到单元格中心点。在找到单元格之后通常的关键点检测方法会对其进行目标检测但本研究使用中心点做语义分割的修复。在CRTable模型的常规单元格分割图Cell Map外增加了一个Repair Map分支,该分支用来提取单元格中心点,然后使用提出的CellCP算法来修复因为图片质量问题导致的残缺单元格分割图,即是修复因为遮挡、磨损、弯曲等问题断开的单元格线。 (2)有线表最常使用的评价指标为Precision、Recall和F1 Score,在表结构识别中通常设置IOU值大于0.9为匹配,但该指标对于较小的单元格并不公平,往往微小的偏差就会得到较低的IOU值,故此对Precision、Recall和F1 Score评价指标做出了改进,设计了一套基于单元格大小的Offset Precision、Offset Recall、Offset F1 Score评价指标。研究对比了几个经典的表结构识别方法,以及对比了最新的优秀表结构识别方法,在阿里达摩院提出的大型自然场景有线表格数据集WTW的测试集中,企业提供的实际数据集JLTable数据集中,以及表格识别论文最常使用的ICDAR 2013数据集的有线表格部分CRTable均取得了最佳结果。除表结构识别算法外,本研究还设计了一整套适配的表格识别系统方案,主要是完善的大图恰好分割为整数个448*448小图的边缘重叠方案,以及将线宽放大造成的离散单元格的合并方案和Word表格重建方案。

关键词：表格识别表结构识别语义分割中心点热力图

来源：评论

学校读者我要写书评

暂无评论

表格识别关键技术研究与实现

表格识别关键技术研究与实现

引用

作者：陈佩佩湖南大学

学位级别：硕士

表格识别任务旨在从文档图像中提取出计算机能够理解的结构化表格,是文档分析领域的核心问题之一。应用表格识别技术可以帮助个人和企业大幅节省文档处理时间,同时减少由人为因素产生的错误。然而,现有的表格识别方法在真实场景中的泛... 详细信息

表格识别任务旨在从文档图像中提取出计算机能够理解的结构化表格,是文档分析领域的核心问题之一。应用表格识别技术可以帮助个人和企业大幅节省文档处理时间,同时减少由人为因素产生的错误。然而,现有的表格识别方法在真实场景中的泛化能力较差。其一,绝大多数表格识别模型对输入图像的质量要求较高,一旦出现倾斜、遮挡、低清晰度等情况,模型的识别精度会受到较大的影响。其二,表格识别算法本身的缺陷导致模型在排列密集以及极端尺寸等非常规类型的表格上识别准确率急剧下降。为了提升表格识别方法在真实场景中的处理能力,首先在具有简单布局、对齐良好的PDF文档图像上对表格识别相关问题进行研究,然后推广到输入图像严重倾斜、模糊和遮挡的真实场景,主要取得了以下研究成果: (1)针对文档图像中表格尺寸差异大和多方向的问题,提出了一种基于关键点的表格检测算法Point Tab Net。首先通过Center Net网络定位表格中心点和粗糙角点,然后引入角点热图以进一步细化角点。实验结果表明,与主流的基于锚框的表格检测算法相比,所提方法在ICDAR 2019数据集上有更高的WAvg.F1分数。 (2)针对现有的表结构识别方法难以准确提取具有跨行和跨列单元格的复杂表格结构的问题,提出了一种自顶向下和自底向上相结合的表结构识别算法Swin Graph SM。首先,在经典的拆分-合并范式下,分别从骨干网络、网格合并建模和算法模型的后处理三个角度进行深入研究。第一,引入具有强大全局建模能力的Swin Transformer,以补偿卷积网络长距离空间建模能力的不足。第二,采用一种新颖的图注意力网络来建模网格单元间的邻接关系。第三,为了解决合并过程中出现的L型单元格问题,提出了一种有效的单元合并策略。然后,复现了三种具有代表性的表结构识别方法,并从多个维度对其进行公平比较和充分分析。最后,在ICDAR 2013和Pub Tab Net表结构识别基准数据集上进行实验,结果表明Swin Graph SM取得了具有竞争力的性能。 (3)为了进一步解决输入图像存在严重倾斜、模糊和遮挡的真实场景中的表格识别问题,在已有的单张文档图像的表格检测和结构识别方法的基础上,提出了一种多阶段表格识别管道,并引入迁移学习和表结构增强策略加强小样本的学习过程。其次,构建了银行流水场景下的表格识别数据集,改善了表格识别算法的场景局限性。在银行流水数据集上的实验结果证明了所提出的表格检测和结构识别算法的有效性和鲁棒性。

关键词：文档分析表格识别表格检测表结构识别图神经网络

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：