【深度学习表格检测、信息提取和结构化】《Table Detection, Information Extraction and Structuring using Deep Learning》by Vihar Kurama

表格信息抽取介绍

随着大量应用程序、工具和在线平台在当今技术时代的蓬勃发展，收集的数据量正在急剧增加。为了有效地处理和访问这些庞大的数据，有必要开发有价值的信息提取工具。在信息提取领域中，表格数据的提取和访问是一个需要关注的子领域。

目录

• 表格抽取介绍（Introduction to Table Extraction）
• 谁将发现表格抽取的有用？（Who will find Table Extraction Useful?）
  • 个人使用案例（Personal use cases）
  • 工业使用案例（Industrial use cases）
  • 商业使用案例（Business use cases）
• 深度学习实战（Deep Learning in Action）
  • TableNet
  • DeepDeSRT
  • Graph Neural Networks
  • CGANs and Genetic Algorithms
• 传统方法（Traditional Approaches）
  • 基于OpenCV的表格检测（Table Detection with OpenCV）
  • PDFMiner and Regex parsing
• 传统方法挑战（Challenges with Traditional Methods）
  • 表格检测（Table Detection）
  • 表格提取（Table Extraction）
  • 表格变换（Table Conversion）
• 总结（Summary）
• 基于Nanonets的OCR（OCR with Nanonets）
• Nanonets and Humans in the Loop