Table Structure Recognition and Form Parsing by End-to-End Object Detection and Relation Parsing

解析 计算机科学 表(数据库) 人工智能 卷积神经网络 模式识别(心理学) 关系(数据库) 对象(语法) 图形 自然语言处理 数据挖掘 理论计算机科学
作者
Xiaohui Li,Fei Yin,He-Sen Dai,Cheng‐Lin Liu
出处
期刊:Pattern Recognition [Elsevier]
卷期号:132: 108946-108946 被引量:5
标识
DOI:10.1016/j.patcog.2022.108946
摘要

The recognition of two-dimensional structure of tables and forms from document images is a challenge due to the complexity of document structures and the diversity of layouts. In this paper, we propose a graph neural network (GNN) based unified framework named Table Structure Recognition Network (TSRNet) to jointly detect and recognize the structures of various tables and forms. First, a multi-task fully convolutional network (FCN) is used to segment primitive regions such as text segments and ruling lines from document images, then a GNN is used to classify and group these primitive regions into page objects such as tables and cells. At last, the relationships between neighboring page objects are analyzed using another GNN based parsing module. The parameters of all the modules in the system can be trained end-to-end to optimize the overall performance. Experiments of table detection and structure recognition for modern documents on the POD 2017, cTDaR 2019 and PubTabNet datasets and template-free form parsing for historical documents on the NAF dataset show that the proposed method can handle various table/form structures and achieve superior performance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
domkps完成签到 ,获得积分10
3秒前
大胆妖孽完成签到,获得积分10
6秒前
6秒前
饱满的大碗完成签到 ,获得积分10
8秒前
zhaoxiaonuan完成签到,获得积分10
8秒前
jun完成签到 ,获得积分10
10秒前
都是应助科研通管家采纳,获得20
13秒前
科研通AI2S应助科研通管家采纳,获得50
13秒前
Loooong应助科研通管家采纳,获得20
13秒前
打打应助科研通管家采纳,获得10
14秒前
烟花应助科研通管家采纳,获得10
14秒前
星辰大海应助科研通管家采纳,获得10
14秒前
慕青应助科研通管家采纳,获得30
14秒前
英俊的铭应助科研通管家采纳,获得10
14秒前
飞快的金鑫完成签到,获得积分10
15秒前
JIE完成签到,获得积分10
15秒前
科研小子发布了新的文献求助10
16秒前
隐形曼青应助研友_想想采纳,获得10
19秒前
Tree_完成签到 ,获得积分10
20秒前
knn完成签到 ,获得积分10
20秒前
青羽落霞完成签到 ,获得积分10
21秒前
linggle完成签到 ,获得积分10
26秒前
27秒前
talent发布了新的文献求助10
28秒前
vincy完成签到 ,获得积分10
28秒前
科研小子完成签到,获得积分10
30秒前
研友_想想发布了新的文献求助10
33秒前
凡帝完成签到,获得积分10
34秒前
缪尹盛完成签到,获得积分10
35秒前
泥過完成签到 ,获得积分10
35秒前
道友等等我完成签到,获得积分0
36秒前
蛋花肉圆汤完成签到,获得积分10
38秒前
Wang完成签到,获得积分10
38秒前
健壮的凝冬完成签到 ,获得积分10
39秒前
林夕完成签到 ,获得积分10
40秒前
FOCUS完成签到 ,获得积分10
41秒前
糖果完成签到,获得积分10
43秒前
giiiiiili完成签到 ,获得积分10
44秒前
phylicia完成签到 ,获得积分10
47秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137115
求助须知:如何正确求助?哪些是违规求助? 2788096
关于积分的说明 7784635
捐赠科研通 2444121
什么是DOI,文献DOI怎么找? 1299763
科研通“疑难数据库(出版商)”最低求助积分说明 625574
版权声明 601011