基于行列信息门的表格结构识别网络研究

为解决检测表格行与列法容错率大的问题,本文提出了行信息门、列信息门两种信息传输模块,采用特征切片与平铺相结合的方式,对行或列信息门进行预测,保证简化行与列预测结果的精确性。运用行列两种信息门,完成对语义分割模型的构建,实现对表格行与列的精确化分割。此外,基于ICDAR格式数据集,完成对表格行与列掩模的有效构建,并评估该模型性能。结果表明,与基于特征金字塔网络的分割模型相比,本文提出的语义分割网络模型具有较高平均查准率、查全率和F1。其中,平均查准率超过0.55%,查全率超出2.78%,F1超出1.48%。希望本研究可以为相关人员提供有益借鉴和参考。