基于Paddle的表格结构化技术精讲：原理到实战

随着各类文档的爆炸性增长，文档智能领域的研究蓬勃发展。其中，表格是各类文档中常见的页面元素，如何高效地从文档中找到表格并获取内容与结构信息即表格识别，是文档智能的一个重要领域。 本课程就是讲述文档智能领域的一个分支：表格结构化识别。这里不得不说的是目前一个非常流行的开源项目PaddleOCR（Star达到25.1k），它的一个分支PPStructure更是此开源项目的一个亮点，用于解决文档智能（版面分析、版面恢复、表格结构化、信息抽取等）领域的问题。 本课程也是在该开源项目基础上，从背景到难点、从传统方法到深度学习、从数据到训练、从模型理论到实战，全面讲解表格结构化识别技术： 1）算法模型：着重讲解LGPMA（海康威视）、TableMASTER（平安财险）、TableRec-RARE（PPstructurev1）、SLANet（PPstructurev2）模型； 2）语料构建：提供开源数据、标注工具（PPOCRLabelv2）、自动生成工具（TableGeneration）三个维度的语料构建方法 3）项目实战：讲解PPstructure表格识别的关键源码，并全流程实现项目环境安装、准备自己的数据集、修改配置文件、模型训练及评估、模型导出环节