Guo_Python的博客

一. 前景提要提取html中的表格图片，原理如下：开启浏览器找到表格的坐标截屏，得到表格图片二. 代码展示import osimport pyppeteerfrom pyppeteer import launchimport asynciofrom tqdm import tqdmasync def get_jpgs(html_path, img_path): browser = await launch() page = await browser.newPag

一. 环境配置参考：https://github.com/JiaquanYe/TableMASTER-mmocr由于依赖mmdetection，对版本的要求如下：Python:3.6+PyTorch:1.3+CUDA 9.2+GCC 5+在服务器上，在没有sudo权限的情况下配置gccexport PATH=/home/work/guopei/gcc-8.2.0-bin/bin:$PATHexport PATH=/home/work/guopei/gcc-8.2.0-bin/lib64:$

一. 问题描述puttabnet中数据不太干净，特别是坐标的标注，如下图：二. 数据清洗直接看代码"""把pubtabnet数据集中坐标标注错误的数据筛选除去"""import jsonlinesimport osimport cv2def iou(bbox1, bbox2): """ Calculates the intersection-over-union of two bounding boxes. """ bbox1 = [float(x)

一. 百度表格识别原理参考我的博客：百度表格识别——原理解读模型训练实战请参考我的博客：基于PP-OCR训练表格识别模型二. 平安科技表格识别原理请参考我的博客：平安科技表格识别——原理解读三. 腾讯表格识别方案解读：https://zhuanlan.zhihu.com/p/69793742网友复现：https://github.com/tommyMessi/tableImageParser_tx四. 好未来表格识别方案解读：https://mp.weixin.qq.com/s/JyA10

参考：百度官网一. 配置PP-OCR环境pp-ocr环境配置教程二. 训练数据准备数据下载地址或者用命令下载数据curl -o ./PubTabNet.tar.gz https://dax-cdn.cdn.appdomain.cloud/dax-pubtabnet/2.0.0/pubtabnet.tar.gz下载数据后解压，并用代码将其划分为训练集和验证集，代码如下：import jsonlines"""把PubTabNet_2.0.0.jsonl分成PubTabNet_2.0.0_t

1. 论文：https://arxiv.org/pdf/1903.01949.pdf2. 代码：https://github.com/doc-analysis/TableBank3. 数据：https://doc-analysis.github.io/tablebank-page/index.html4. 数据下载并解压下载的是多个zip文件，如何解压zip分卷：cat TableBank.zip.00* > TableBank.zipunzip TableBank.zip...

一. 前景介绍论文：https://arxiv.org/pdf/1911.10683.pdf ((Image-based table recognition: data, model, and evaluation))代码：https://github.com/ibm-aur-nlp/PubTabNet (包含数据下载地址)该论文是2020年IBM的表格识别论文，该论文对之后的表格识别工作有很大的影响。二. 论文贡献1. 开源数据集开源了表格识别的数据集，50多万张表格和对应的标注信息， 数据

一. 前景介绍代码：https://github.com/JiaquanYe/TableMASTER-mmocr论文：https://arxiv.org/pdf/2105.01848.pdf论文解读：https://blog.youkuaiyun.com/devcloud/article/details/120987923平安在ICDAR 2021表格识别比赛中获得亚军，基于MASTER的改进。在平安科技最新发布的表格识别模型TableMaster中，提出了另外一种解决思路，即同时训练得到单元格内的文字块位置和

一. 算法框架表格识别技术主要使用基于注意力机制的图片描述模型 RARE，整体流程如下图所示，对于其中的表格区域进行表格识别处理。表格识别的难点主要在于表格结构的提取，以及将表格信息与 OCR 信息融合。整体流程可以分为上下两部分，其中上半部分（黑色支路）是普通的 OCR 过程，通过（1）文本检测模块对表格图片进行单行文字检测，获得坐标，然后通过（2）文本识别模块识别模型得到文字结果。而在下半部分的在蓝色支路中，表格图片首先经过（3）表格结构预测模块，获得每个 Excel 单元格的四点坐标与表格结构