Key points are not available for this paper at this time.
테이블 감지는 많은 문서 분석 응용 프로그램에서 필수적인 단계로, 테이블은 독자에게 정보를 구조화된 방식으로 제공하는 데 사용됩니다. 다양한 레이아웃과 테이블 인코딩으로 인해 어려운 문제입니다. 연구자들은 문서의 레이아웃 분석에 기반한 테이블 감지를 위한 수많은 기술을 제안했습니다. 이러한 기술의 대부분은 수작업으로 설계된 특징에 의존하기 때문에 레이아웃 변형에 대해 강건하지 않아 일반화에 실패합니다. 본 논문에서는 테이블 감지를 위한 딥 러닝 기반 방법을 제시했습니다. 제안된 방법에서는 문서 이미지가 먼저 전처리됩니다. 그런 다음 이 이미지들은 테이블 감지를 위한 완전 연결 신경망 뒤에 지역 제안 네트워크에 공급됩니다. 제안된 방법은 문서, 연구 논문 및 잡지를 포함한 다양한 레이아웃의 문서 이미지에서 높은 정확도로 작동합니다. 우리는 공개적으로 사용 가능한 UNLV 데이터 세트에서 평가를 수행했으며, 그 결과 Tesseract의 최신 테이블 감지 시스템을 상당한 마진으로 능가했습니다.
Gilani et al. (Wed,)는 이 문제를 연구했습니다.