【摘 要】
:
表格是一种常见的、需要经常进行处理的信息载体,其特殊的逻辑结构决定了机器在处理表格时并不能使用简单的文本识别技术。而随着互联网技术的蓬勃发展以及手机、平板设备等移动设备的硬件提升,除了电子文件类表格外,越来越多的表格产生于使用摄像头拍摄的表格文档图像。如何令机器理解表格文档图像中的表格结构与内容成为了学术界和工业界都在广泛讨论的问题。通过使用深度学习方法来分析表格结构,可以使表格文档图像处理的人力
论文部分内容阅读
表格是一种常见的、需要经常进行处理的信息载体,其特殊的逻辑结构决定了机器在处理表格时并不能使用简单的文本识别技术。而随着互联网技术的蓬勃发展以及手机、平板设备等移动设备的硬件提升,除了电子文件类表格外,越来越多的表格产生于使用摄像头拍摄的表格文档图像。如何令机器理解表格文档图像中的表格结构与内容成为了学术界和工业界都在广泛讨论的问题。通过使用深度学习方法来分析表格结构,可以使表格文档图像处理的人力成本大大降低,并推进文档流程自动化进程。而要使深度学习算法的效果达到最优,除了算法本身外,最重要的是需要拥有标注完整的表格文档图像数据集作为训练和测评数据。表格文档图像数据集生成系统的功用是生成多样化的表格文档图像数据集,以供给深度学习算法训练和测评使用。本系统共有两大主要功能,一是通过对LaTex文件进行转化与文件解析生成标准表格文档图像,并通过字符匹配算法对文档图像中的表格进行结构标注,从而生成标准表格文档图像数据集;二是通过仿真纸张模型的制作,对纸张的结构和折痕扭曲进行模拟,再通过真实感渲染技术将文档图像渲染至纸张模型上,通过相机视口输出为仿真表格文档图像,作为对从手机、平板等移动拍摄设备中获取的真实纸质表格文档图像的仿真模拟,再经过纹理映射算法对仿真表格文档图像中表格结构进行标注,从而生成仿真表格文档图像数据集。此外,论文还设计了基于Python Qt的图形用户界面,可以在部署了 Python的操作平台上运行,用以方便用户的人机交互。论文详细介绍了基于纸张仿真的表格文档图像数据集生成系统的设计与实现。首先根据表格文档图像数据集的使用场景进行了需求分析,设计了系统的整体架构。其次调研了系统开发的相关技术,确定各个功能模块的技术实现。然后进一步地分析各个功能模块的处理流程,完成代码编写工作。最后按照功能需求对系统进行测试并分析实验结果。测试结果表明该系统能够满足数据集生成的功能需求,能在实际环境中稳定运行。
其他文献
目前海关常用的十位商品海关编码是一种比较粗放的编码方式,在报关单中商品海关编码很难和具体商品实现一一对应的关系,亟待构建一套标准的商品智能分类工具,为海关管理提供基准的商品分析依据.文章基于海关报关单申报商品名称规格型号,利用机器学习等先进技术手段,实现将海关商品的最小分析单元从HS编码细化至具体品牌型号,形成商品基础库,实现商品智能分类,为贸易监管、税收征管、稽查缉私等业务提供强大支撑.
针对空气质量预测中复杂的时空问题,本文构造了多站点间的交互时空特征,搭建了结合CNN和LSTM的深度时空模型,并引入注意力机制学习多特征之间的权重分布,找出对空气质量指数(AQI)影响较大的特征重点关注,构造了融合CNN-LSTM和注意力机制的AQI预测模型.使用2019年1月至2020年12月间运城市各站点的小时粒度数据进行实验,结果表明,该模型对空气质量指数的预测较基模型具有更优的性能.
近年来,随着海运在国际贸易运输中的比重不断上升,针对船舶自动识别系统(Automatic Identification System,AIS)轨迹数据进行挖掘分析的相关研究也越来越多,但是现有方法并未对AIS轨迹数据以及港口特征间的内在联系进行深入挖掘与研究,大都只是提出了针对港口某一特征的分析方法,且部分方法只对特定港口具有较好的效果,适用性较低。本文针对该问题展开深入研究,研究并实现了基于AI
科学计算是一门理论与实践结合的专业课程,该课程对学生的综合能力培养有着至关重要的作用.针对课程对传统软件依赖性强,学生缺乏实践与学习动力等问题,提出将Python程序设计语言及Jupyter大数据分析平台融入科学计算课程的教学改革方法,并在教学内容和教学方式上给出了具体的措施.以数据科学与大数据技术专业课程教学改革为例,这些方法和措施的采用显著地提高了学生的应用和创新能力,证明了教学改革的有效性.
针对传统以教师为中心的实践教学模式严重限制学生自主学习能力、工程实践能力和创新能力发展的问题,分析地方本科院校网络工程专业实践教学现状;基于工程教育专业认证核心理念,提出网络工程专业岗位胜任力模型以及面向岗位胜任力的实践教学体系.实践结果表明,该教学体系能显著提高实践教学质量.
为使会计专业学生的信息技术相关能力能够紧随“大智移云”时代发展需要,通过分析信息技术时代对会计行业环境的影响,提出会计专业学生应掌握的信息技术应用能力.即:大数据挖掘技术应用能力、对非结构化数据的处理分析能力、财务建模及趋势分析能力以及大数据可视化能力.文章以能力培养为导向对教学培养方案的理论课程设置和实践环节,以及教学方式进行调整.
计算机专业多样的发展方向以及庞大的知识体系结构,让选课成为了一件棘手的事情.文章从一个全新的角度提出了适用计算机研究生的选修课“套餐”选课制度,通过分析不同研究方向的侧重点,为大部分高校目前设立的多个研究方向确定了选修课“套餐”.套餐选课制度能减少计算机研究生选课时的盲目性,有效地提高学生的学习效果,促进计算机专业人才的培养.
Photoshop软件如今被广泛应用于平面设计、网店装修、摄影后期等各个领域,抠图是Photoshop一项基本功能.针对不同的图像、不同的目标选择不同的抠图方法,其中通道的作用是建立、保存和编辑选区,通道抠图法适用于抠取半透明像素图像.文章介绍了通道的概念、通道原理、应用方法、Alpha通道及通道的分色编辑法,并以抠取半透明婚纱为实例详细阐述Alpha通道的编辑,抠取带有半透明像素的图像并更换背景.
随着数字经济在全球范围内迅速蓬勃发展,企业在数字化转型方面存在着强烈而急迫的需求。云计算作为数字化转型的重要支撑力量,云迁移是企业数字化的一个必经之路,但云迁移项目中的工期超时问题却普遍存在。通过科学的管理方法确保云迁移项目按期高质量交付,加速企业的数字化转型,赋予企业敏捷性和灵活性,帮助企业满足市场持续波动的需求,这对企业来说至关重要。论文以H公司游戏平台云迁移项目为研究对象,分析现有项目进度管
许多高校在本科数学专业人才培养中加入了大数据相关的课程,如何将数学与大数据有效地融合以培养高质量复合型人才是其面临的一个重要问题.文章探讨了在本科数学专业培养过程中融入大数据课程的必要性,从师资队伍和教学资源两方面研究了大数据课程建设过程中面临的主要问题及解决途径.