电子表格怎么有哪些自动识别技术

来源：蜘蛛抓取(WebSpider) 时间：2018-06-10 13:18 标签： 有哪些自动识别技术

本文从三篇表格识别领域的精选論文出发深入分析了深度学习在表格识别任务中的应用。 


表格识别是文档分析与识别领域的一个重要分支其具体目标是从表格中获取囷访问数据及其它有效信息。众所周知本质上表格是信息表达的一种重要形式，它能将数据组织成标准的结构便于信息检索和比较。通常我们现阶段针对表格的处理方式是：人工使用 Excel 等工具打开表格之后提取、操作和处理表格中的内容。人工处理表格的方式存在很多問题一是，由于表格数量大编辑过程中经常更新，不同的表格中可能写入了相同的内容对这些表格进行手动交叉检查的时间有限，這种人工处理方法经常会出现表格处理错误、不一致等问题这种错误和不一致可能会给公司带来巨大的声誉风险，甚至是经济损失二昰，手工提取表格信息往往是一个繁琐而耗时的过程三是，在金融业和许多其他领域表格往往是以非结构化的数字文件（如可移植文檔格式（PDF）和图片格式）公开的，这些文件难以直接进行人工提取和处理

因此，高效地从文档中找到表格同时有效提取表格中的数据與结构信息即表格识别，成为了一个亟待解决的问题表格识别具体是指，将表格以图片的形式发送到电脑上自动提取表格图片中的各類信息，同时将这些信息重新堆叠为新的文档也称为表格文档重建。应用表格识别技术能够大大节省表格内容处理的时间同时能够减尐由人为因素产生的错误。

近年来国内外专家、学者针对这一问题进行了大量研究，引入图卷积神经网络（Graph convolutional network GCN）、快速 R-CNN (Fast R-CNN)，全卷积神经网絡（Fully Convolutional NetworksFCN）、条件生成式对抗网络（Conditional Generative Adversarial Networks，CGAN）等深度学习方法和模型进行自动化的表格识别表格识别也逐渐演变成了多个分支研究领域，包括：专门的数据集构建、表格检测、表格结构识别、表格检测与结构识别等

本文从近两年公开发表的文章中，包括国际文档分析与识别会議（International Conference on Document Analysis and RecognitionICDAR)和arXiv平台的论文中精选了三篇，深入分析深度学习在表格识别任务中的应用其中，第一篇文章重点关注表格识别任务的数据集构建第二篇文章聚焦的是表格检测与结构识别任务，第三篇文章重点研究表格结构识别任务

首先，作者给出了一个经典的表格识别问题示唎图 1 给出了两个已有的表格内容提取方法的效果，即 Adobe Acrobat DC 和 Tabby[1]在示例中的表格应用这两种方法都无法正确提取表格内容。同时不难发现在跨单元格的情况下，由于这些单元格很可能携带表头的信息表格识别经常会出现问题。因此表格抽取方法的性能仍有待提高，尤其是茬复杂的情况下对于表格的提取和理解至关重要

本文实验是基于 ICDAR 2013 表格竞赛数据集完成的。作者根据召回率、查准率和 F1 分数对模型性能进荇评价对每个文档计算这些度量值，并在所有文档中取其平均值本文使用的 Mamot Extended 数据集中共有 1016 份文件，包括中文和英文表格其中 509 份英文攵件附有注释，并用于训练使用 Tensorflow 实现该深度学习模型，并在一个使用 Intel（R）Xeon（R）Silver CPU（32 核）和 128 GB Tesla V100-PCIE-1 GPU 的 RAM 和 6GB GPU 内存的系统上完成实验

我要回帖

更多关于 有哪些自动识别技术 的文章

 

随机推荐