表格结构识别顶会SOTA大汇总，附论文下载链接

已于 2024-02-28 11:51:41 修改
阅读量600 收藏 4
点赞数 15
文章标签： 人工智能 数据分析 python
于 2024-01-24 15:30:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aaalllhhh/article/details/135823585
版权
这篇文章介绍了MathamPollard/awesome-table-structure-recognitionGitHub仓库，该仓库收录了表格结构识别(TSR)的相关模型、论文、数据集和代码，内容不断更新，是研究者的重要参考资料。
摘要由CSDN通过智能技术生成
谢谢蟹老板
关注
  • 15
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
YOLOv9改进 | 一文带你了解全新的SOTA模型YOLOv9（论文阅读笔记，效果完爆YOLOv8）
Snu77的博客
02-22 1万+
YOLOv9发布时间为2024年2月21日是当前的SOTA模型，当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息。
ReadingList:阅读SOTA NLP论文清单
04-14
此回购将记录我发现有趣的论文。 我会偶尔更新。 文件 解码 VQA和图像文本检索 使用文字教学图像检索 BERT看到了什么：跨模态转换用于视觉问题生成 一种快速准确的单阶段视觉接地方法 视觉和语言表示学习的大规模...
表格的结构识别综述
a645061612的博客
12-09 1458
目前正在作的内容，属于现状调研阶段。icdar 2021有这方面的比赛，贴几个论文： Table Structure Recognition using Top-Down.pdf Global Table Extractor (GTE)-号称打败下面.pdf Robust table recognition for printed document images.txt ReS2TIM Reconstruct Syntactic Structures from Table Images-19ICDA
表格识别技术综述
学无止境
09-06 6017
近几年表格识别技术的总览，包括ICDAR2019、ICDAR2021、ICCV2021、ACM MM 2021、各大厂表格识别技术
TSRFormer: Table Structure Recognition with Transformers ----论文阅读
学无止境
11-12 3802
TSRFormer，可以从各种表格图像中稳健地识别具有几何变形的复杂表格的结构，可以处理几何扭曲甚至弯曲的表格，有边框和无边框的表格。 此方法是把表格分隔线预测当作线回归问题而不是图像分割问题，并提出了一种新的基于 DETR 的分隔线预测方法，称为 Separator REgression TRansformer (SepRETR)，直接从表格图像中预测分割线。在分割线预测之后，使用基于简单关系网络的单元合并模块来恢复合并单元。
【论文阅读】Improving Table Structure Recognition with Visual-Alignment Sequential Coordinate Modeling
qq_44807946的博客
03-21 837
论文阅读
用于表格检测和结构识别的深度学习研究综述-Deep learning for table detection and structurerecognition: A survey
qq_55888300的博客
01-27 1251
TableSegNet使用较浅的路径来发现高分辨率的表格位置，而使用较深的路径来检测低分辨率的表格区域，将发现的区域分割成单独的表格。为了提高网络学习表格空间排列方面的能力，作者将退化纳入了网络的核心，并创建了一个简单的FPN网络来提高模型的有效性。Y Li[《A gan-based feature generator for table detection》]提供了一种新的网络来生成表格文本的布局元素，并提高规则较少的表格的识别性能。后来，随着更复杂的架构的发展，更多的工作被放到表列和整体结构识别中。
SOTA 跟踪论文：BoTSORT-OCSORT-StrongSORT 等
12-21
SOTA 目标跟踪论文，精度这几篇就够够的了 （1）BoTSORT （2）OCSORT| （3）StrongSORT （4）HybridSORT （5）DeepOCSORT （6）ByteTrack
论文投稿新规则，不用跑出SOTA，还能“内定”发论文？！.pdf
08-12
论文投稿新规则，不用跑出SOTA，还能“内定”发论文？ 随着人工智能和大模型的兴起，论文投稿的竞争日益激烈。如何确保自己的研究不被抢先发表？如何避免因为没有SOTA而被拒？在NAACL 2021上，研究者提出了预注册...
全新的SOTA模型YOLOv9原文 + 论文阅读笔记
最新发布
02-22
当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和...
Table Structure Recognition Library-开源
04-28
一个从表格格式的文本输入中提取表内容的库。
fast-reid:SOTA重新识别方法和工具箱
04-28
FastReID是一个研究平台，可实现最新的重新识别算法。 这是对先前版本的重新编写，是。 什么是新的 [2021年4月] 支持部分FC！ [2021年1月] TRT网络定义API已发布！ 感谢的贡献。 [2021年1月]基于fastreid的NAIC20...
基于 SOTA AI模型 的 图像修复工具__代码_下载
07-03
支持多种模型架构 LDM 支持CPU和GPU 高分辨率支持 作为桌面APP运行 多冲程支持。按住该cmd/ctrl键可启用多冲程模式。 缩放和平移 效果展示： ... 更多详情、使用方法，请下载后阅读README.md文件
基于表格数据的深度学习方法
10-21
近年来，Transformer网络（如BERT和GPT系列）在自然语言处理领域的成功也启发了研究人员在表格数据上进行类似结构的探索，利用自注意力机制来处理复杂的关联。 3. 正则化模型：在表格数据的深度学习中，正则化是...
惊呆！不用一张图片，却训出个图像识别SOTA？.pdf
08-12
本文介绍了一种基于公式驱动的监督学习方法（Formula-Driven Supervised Learning，FDSL），该方法可以在不使用真实图像的情况下训练视觉Transformer（ViT），并且可以达到媲美SOTA的效果。这种方法依赖于分形数据库...
【精华】表格结构识别模型研究进展
LeeZhao的博客
04-12 1907
表格结构识别模型研究进展
用于表检测和结构识别的深度学习：综述
jyjy0608的博客
12-29 2481
Deep learning for table detection and structure recognition: A survey
Table Transformer做表格检测和识别实践
every place is the center of the universe
04-13 4214
Table Transformer做表格检测和识别实践
2021-IEEE论文-深度神经网络在文档图像表格识别中的应用现状及性能分析
jyjy0608的博客
05-13 4611
2021年5月12日收到， 2021年6月4日接受， 出版日期2021年6月9日， 当前版本日期2021年6月24日。 摘要 - Abstract   表格识别的第一阶段是检测文档中的表格区域。随后，在第二阶段识别表格结构，以便从各个单元中提取信息。表格检测和结构识别是表格理解领域的关键问题。然而，由于表格中存在大量的多样性和不对称性，导致了表格分析是一项复杂的任务，因此它是文档图像分析中一个活跃的研究领域。图形处理单元计算能力的最新进展使深度神经网络的性能优于传统的最先进的机器学习方法。表格理解从深度
PARSeq:革新场景文本识别的置换自回归模型
本文主要探讨的是"基于PARSeq的场景文本识别"这一主题，由Darwin Bautista和Rowel Atienza两位作者，来自菲律宾大学电气和电子工程学院。PARSeq是一种创新的场景文本识别方法，针对传统上下文感知的自回归语言模型...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值