Kas ir tabulu izvilkšana un kādi modeļi (TableNet, TATR)?

Tabulu izvilkšana — tas ir uzdevums izvilkt tabulas datus no dokumentiem, attēliem vai PDF, bieži izmantojot OCR teksta atpazīšanai.

Modeļi:

• TableNet — neironu tīkla arhitektūra, kas segmentē attēlu uz tabulu un ne-tabulu zonām, kā arī izceļ tabulas struktūru (šūnas, rindas, kolonnas). Izmanto konvolūcijas tīklus vizuālās struktūras saprašanai.

• TATR (Table Transformer) — transformatoru balstīts modelis, kas apstrādā dokumentu kā secību un prognozē tabulu struktūru, ieskaitot robežas un šūnu saturu. Labs darbam ar sarežģītām un heterogēnām tabulām.

Abi modeļi palīdz automatizēt tabulu datu izvilkšanas un strukturēšanas procesu no nestrukturētiem avotiem.