摘要
定位文档图像中的页面元素（如表格、图表、公式等）是信息提取的关键第一步。本文提出一种新型端到端可训练的深度神经网络——CDeC-Net，用于检测文档图像中的表格。该网络基于Mask R-CNN的多阶段扩展结构，采用双主干网络设计，并引入可变形卷积，能够高效检测不同尺度的表格，在较高的交并比（IoU）阈值下仍保持优异的检测精度。我们在所有公开可用的基准数据集上对CDeC-Net进行了全面的实证评估，包括ICDAR-2013、ICDAR-2017、ICDAR-2019、UNLV、Marmot、PubLayNet和TableBank，并开展了大量实验验证。本方法具有三个重要特性：（i）仅需一个训练好的模型CDeC-Net‡，即可在所有主流基准数据集上表现良好；（ii）在多个IoU阈值（包括更高的阈值）下均展现出卓越的检测性能；（iii）在每个基准数据集上均遵循近期相关研究的统一评估协议，持续展现出优越的定量性能。我们将在项目发布中公开代码与模型，以保障实验结果的可复现性。