BriefGPT - AI 论文速递
·
适用于文档中的表格检测的调制物体查询的端到端半监督方法
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于Transformer的半监督表格检测器，通过新的匹配策略提高了伪标签质量，提高了训练效率。在多个数据集上进行评估，结果显示该方法的性能明显优于其他方法。该研究在半监督表格检测方面取得了重要进展。
🎯
关键要点
- 本研究提出了一种基于Transformer的半监督表格检测器。
- 通过新的匹配策略提高了伪标签质量和训练效率。
- 该方法在多个数据集上进行评估，结果显示性能明显优于其他方法。
- 在TableBank和PubLayNet数据集上以30%标签数据实现了95.7%和97.9%的mAP。
- 相较于之前的半监督表格检测方法，分别提升了7.4和7.6个百分点。
- 该研究为实际文档分析任务提供了更高效准确的解决方案。
🏷️
标签
➡️
