كشف الجداول في البيئة البرية: مجموعة بيانات جديدة ومتنوعة لكشف الجداول وطريقة جديدة

أحرزت النماذج الحديثة القائمة على التعلم العميق في كشف الجداول تقدماً ملحوظاً وأثبتت فعاليتها في تحديد تخطيط المستندات. ومع ذلك، تواجه المعايير الحالية للكشف عن الجداول العديد من القيود، بما في ذلك قلة تنوع العينات، وبساطة هيكل الجداول، ونقص حالات التدريب، وانخفاض جودة العينات. في هذه الورقة، نقدم مجموعة بيانات واسعة النطاق ومتنوعة للكشف عن الجداول، تضم أكثر من سبعة آلاف عينة تحتوي على تنوع كبير في هياكل الجداول، تم جمعها من مصادر متعددة ومتنوعة. بالإضافة إلى ذلك، نقدّم نتائج أساسية باستخدام منهجية تعتمد على الشبكات العصبية التلافيفية (CNN) للكشف عن هيكل الجداول في المستندات. أظهرت النتائج التجريبية تفوق الطرق القائمة على التعلم العميق التلافيفي مقارنة بالطرق التقليدية المستندة إلى الرؤية الحاسوبية. وسيمكّن إدخال هذه المجموعة المتنوعة من بيانات الكشف عن الجداول المجتمع من تطوير طرق تعلم عميق عالية الإنتاجية لفهم تخطيط المستندات ومعالجة البيانات الجدولية. يمكن الوصول إلى مجموعة البيانات من خلال الروابط التالية:1. https://www.kaggle.com/datasets/mrinalim/stdw-dataset2. https://huggingface.co/datasets/n3011/STDW