OG-HFYOLO :Orientation gradient guidance and heterogeneous feature fusion for deformation table cell instance segmentation

要約

テーブル構造の認識は、ドキュメント分析の重要なタスクです。
ただし、変形テーブルの幾何学的変形は、コンテンツ情報と構造の間に弱い相関を引き起こし、下流のタスクが正確なコンテンツ情報を取得できないようになります。
細胞の細粒の空間座標を取得するために、勾配方向を認識した抽出器によるエッジ応答を強化するOG-Hfyoloモデルを提案し、異種カーネルクロスフュージョンモジュールとスケールに気を配る損失機能を組み合わせて、マルチスケールの客観的機能に適応し、従来の非マクシムサミングに代わって、従来の非マクシムサミングに代わって導入されます。
メカニズム。
さらに、データジェネレーターも提案し、ファイングレインの変形テーブルセル空間座標のローカリゼーションのためにデータセットのギャップを埋め、Deformation Wired Table（dwtal）という名前の大規模なデータセットを導き出します。
実験は、提案されたモデルがすべての主流インスタンスセグメンテーションモデルで優れたセグメンテーション精度を示していることを示しています。
データセットとソースコードは、https：//github.com/justliulong/oghfyoloのオープンソースです。

要約(オリジナル)

Table structure recognition is a key task in document analysis. However, the geometric deformation in deformed tables causes a weak correlation between content information and structure, resulting in downstream tasks not being able to obtain accurate content information. To obtain fine-grained spatial coordinates of cells, we propose the OG-HFYOLO model, which enhances the edge response by Gradient Orientation-aware Extractor, combines a Heterogeneous Kernel Cross Fusion module and a scale-aware loss function to adapt to multi-scale objective features, and introduces mask-driven non-maximal suppression in the post-processing, which replaces the traditional bounding box suppression mechanism. Furthermore, we also propose a data generator, filling the gap in the dataset for fine-grained deformation table cell spatial coordinate localization, and derive a large-scale dataset named Deformation Wired Table (DWTAL). Experiments show that our proposed model demonstrates excellent segmentation accuracy on all mainstream instance segmentation models. The dataset and the source code are open source: https://github.com/justliulong/OGHFYOLO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google