چکیده مقاله
استخراج جدول از اسناد تصویری، یکی از وظایف کلیدی در حوزه ی تحلیل اسناد و بازشناسی ساختارهای پیچیده ی سندی است مدل های مبتنی بر ترنسفورمر مانند DETR DEtection TRansformer به دلیل قابلیت مدل سازی وابستگی های بلندمدت، در سال های اخیر مورد توجه ویژه ای قرار گرفته اند با این حال، DETR با مشکلاتی همچون کندی آموزش، نیاز به منابع محاسباتی سنگین و دشواری در استقرار در محیط های عملیاتی روبروست در این پژوهش، ما به جای DETR از مدل RT DETRv۲ استفاده می کنیم که با بهینه سازی های معماری و استراتژی های یادگیری جدید، امکان استخراج جدول را با دقت بالا و در زمان واقعی فراهم می کند مدل پیشنهادی ما بر روی مجموعه داده های PubLayNet و ICDAR ۲۰۱۹ ارزیابی شده و نتایج تجربی نشان می دهند که RT DETRv۲ نسبت به DETR دارای سرعت پردازش بیشتر، سادگی در استقرار و دقت قابل قبول تری است
کلیدواژهها
نویسندگان
فاطمه زارع شهرآبادی
کارشناسی ارشدگروه مهندسی کامپیوتر،گرایش هوش مصنوعی و رباتیکز
شیوه ارجاع
�ارع شهرآبادی، فاطمه،1404،استخراج جدول از اسناد تصویری با استفاده از RT-DETRv۲: رویکردی مبتنی بر ترنسفورمر در زمان واقعی،بیست و هشتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات بیست و هشتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات29 آبان 1404 · بابل