PingAn-VCGroupのICDAR 2021科学文献解析コンペティション課題B：表認識からHTMLへのソリューション

本論文では、ICDAR 2021の科学文献解析コンペティションにおけるタスクB：表認識からHTMLへの変換に対する我々の解決策を提示します。我々の方法では、表の内容認識タスクを4つのサブタスクに分割しています：表構造認識、テキスト行検出、テキスト行認識、およびボックス割り当てです。表構造認識アルゴリズムは、堅牢な画像テキスト認識アルゴリズムであるMASTER [1] を基にカスタマイズされています。PSENet [2] を用いて表画像内の各テキスト行を検出します。テキスト行認識については、モデルもまたMASTERに基づいて構築されています。最後に、ボックス割り当てフェーズでは、PSENetによって検出されたテキストボックスを表構造予測によって再構成された構造項目と関連付けし、認識されたテキスト行の内容を対応する項目に埋め込みます。提案した方法は開発フェーズで9,115件の検証サンプルに対して96.84%のTEDSスコアを達成し、最終評価フェーズでは9,064件のサンプルに対して96.32%のTEDSスコアを達成しました。