表格大小、种类与样式复杂多样,例如表格中存在不同的背景填充,不同的行列合并方法,不同的内容文本类型等。并且现有文档既包括现代的、电子的文档,也有历史的、扫描的手写文档,它们的文档样式、所处光照环境以及纹理等都有比较大的差异。因此,表格识别一直是文档识别领域的研究难点。好在,合合信息智能文字识别技术让高精度表格识别成为现实。
在16年领域深耕中,合合信息智能文字识别技术覆盖了图片、PDF格式文档中多种类的表格识别需求,包括有线表,三线表,无线表等,并且支持合并单元格、多表格并存等复杂情况的识别。
基于分治思想,合合信息引入深度学习技术,将表格识别分为有线表识别和无线表识别两种方案。有线表识别中,合合信息利用语义分割、角点回归等技术方案还原有线表,在财报相关表格识别测试中,有线表识别单元格结构准确率高于98%。无线表识别则采用序列模型、规则匹配等方案,通过自研模型直接预测表格的逻辑结构,再得到表格的物理结构,在保证表格区域内容的完整性的同时,检测准确率较传统方法显著提升。
现阶段,合合信息智能文字识别技术中的表格识别技术已被应用于以“扫描全能王”为代表的C端APP中,通过“文件转换excel”功能服务于大众生活和办公需求。近半年来,“文件转换excel”相关功能累计被调用百万次。
B端领域中,作为合合信息智能文字识别引擎中的重要模块,表格识别技术已落地在保险、银行、证券等行业中,应用于合同、银行流水、物流单据识别等多个场景。
据悉,合合信息是一家人工智能及大数据科技企业,从2006年创立至今,坚持深耕智能文字识别应用及商业大数据核心技术领域,通过C端、B端产品以及行业解决方案,为全球百余个国家和地区的亿级用户及近30个行业的企业客户提供创新的数字化、智能化服务。
近三年来,合合信息先后在ICDAR、ICPR等人工智能国际竞赛中斩获15项冠军,学术成果在CVPR、AAAI、ACL、ACM MM等顶会上发表,相关项目获中国图象图形学学会(CSIG)科技进步奖二等奖。在今年8月的CSIG图像图形技术挑战赛中,合合信息参与的赛队夺得总冠军。