Geführte Tabellenstrukturerkennung durch Ankeroptimierung

Dieses Papier stellt einen neuen Ansatz zur Tabellestrukturerkennung vor, der auf leitenden Ankers vorgestellt wird. Der Konzept unterscheidet sich von aktuellen Stand-der-Technik-Ansätzen für die Tabellestrukturerkennung, die naive Objekterkennungsmethoden anwenden. Im Gegensatz zu früheren Techniken schätzen wir zunächst die geeigneten Ankers für die Tabellestrukturerkennung. Anschließend werden diese Ankers genutzt, um Zeilen und Spalten in tabellarischen Bildern zu lokalisieren. Darüber hinaus führt das Papier eine einfache und effektive Methode ein, die durch den Einsatz realistischer Tabellenlayouts die Ergebnisse verbessert. Die vorgeschlagene Methode wurde umfassend auf zwei öffentlich verfügbaren Datensätzen der Tabellestrukturerkennung evaluiert, nämlich ICDAR-2013 und TabStructDB. Wir erzielten Stand-der-Technik-Ergebnisse auf dem ICDAR-2013-Datensatz mit einem durchschnittlichen F-Maß von 95,05 % (94,6 % für Zeilen und 96,32 % für Spalten) und übertrafen die Baseline-Ergebnisse auf dem TabStructDB-Datensatz mit einem durchschnittlichen F-Maß von 94,17 % (94,08 % für Zeilen und 95,06 % für Spalten).请注意，"Ankers" 是根据上下文创造的一个词，因为德语中没有直接对应的术语。在实际应用中，可能需要根据具体领域的习惯进行调整。如果该领域有特定的术语，请提供相关信息以便更准确地翻译。