Fast CNN-based approach for document layout analysis (lecture notes)

摘要内容提炼

自动文档布局分析作为认知计算与处理过程中的核心环节，其主要功能是从文档图像中抽取各类信息，例如构建特定领域的知识库、理解图表与图像内容以及从表格中提取结构化数据等。尽管近年来该领域已取得一定进展，但依然面临诸多挑战，尤其是在将检测到的内容精确归类至具有语义意义的类别方面。随着移动设备及云服务的广泛应用，对数据处理方法在速度与成本方面提出了更高要求。本文介绍了一种基于卷积神经网络的自动文档布局分析技术，能够有效处理文本、图形及表格内容。通过分析文本与表格块中所呈现出的固有线性特征，该方法将二维文档图像转化为一维特征表示，在降低计算复杂度的同时显著提升了整体性能：不仅实现了更高效的执行效率和更精简的数据消耗，同时确保了信息无损。相较于传统二维卷积神经网络方法，该方案在总体准确率方面表现更为优越。

1 介绍

文档作为多种认知过程（如知识库构建、OCR识别、图形理解、文档检索等）中的关键信息源，具有重要价值。从文档中提取信息的重要环节在于布局分析，其核心任务是识别并分类文档图像中的相关区域。

在已有研究中，针对文档图像布局分析已提出诸多方法，根据文献[11]的分类，这些方法大致可分为三类：
（i）基于区域或块的分类方法[21,17]；
（ii）基于像素的分类方法[14,13]；
（iii）连接组件分类方法[6,20,1]。

基