{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,7,6]]，“日期时间”：“2024-07-06T17:13:45Z”，“时间戳”：1720286025139}，“出版商位置”：“查姆”，“参考计数”：57，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030586034”，“类型”：”打印“}，{“值”：“9783030586041”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}0:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“http:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\/\www.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[2020]]}，”DOI“：”10.1007\/978-3-030-58604-1_5“，”类型“：”book-capter“，”创建“：{“date-parts”：[[2020,11,2]]，“date-time”：“2020-11-02T22:02:49Z”，“时间戳”：1604354569000}，“页面”：“70-86”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：44，”title“：[”使用上下线索的表结构识别“]，”prefix“：”10.1007“，”author“：[{”given“：”Sachin“，”family“：”Raja“，“sequence”：“first”，“affiliation”：[]}，{“given”：“Ajoy”，“family”：“Mondal”，“sequence”：“additional”，“affaliance”：[]}crossref“，”非结构化“：“Yang，X.，Yumer，E.，Asente，P.，Kraley，M.，Kifer，D.，Lee Giles，C.：学习使用多模态完全卷积神经网络从文档中提取语义结构。In:CVPR（2017）”，“DOI”：“10.1109\/CVPR.2017.462”}，{“key”：“5_CR2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Augusto Borges Oliveira，D.，Palhares Viana，M.：基于CNN的快速文档布局分析。在：ICCV（2017）”，“DOI”：“10.1109\/ICVW.2017.142”｝，｛“key”：“5_CR3”，“DOI断言”：“crossref”，“非结构化”：“Yi，X.，Gao，L.，Liao，Y.，Zhang，X.，Liu，R.，Jiang，Z:文档图像中基于CNN的页面对象检测。在：ICDAR（2017）”，“DOI”：“10.1109\/ICDAR.2017.46”}，{“key”：“5_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Hu，J.，Kashi，R.S.，Lopresti，D.P.，Wilfong，G.：Medium-independent table detection。In:Document Recognition and Retrieval VII（1999）”，“doi”：“10.1117\/12.373506”}：“Wang，Y.，Phillips，I.T.，Haralick，R.M.：表结构理解及其性能评估。Pattern Recogn.（2004）”，“DOI”：“10.1016\/j.patcog.2004.01.012”}，{“key”：“5_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Nishida，K.、Sadamitu，K.，Higashinaka，R.、Matsuo，Y.：理解具有混合深度神经网络架构的表的语义结构。In：AAAI（2017）”，“DOI”：“10.1609\/AAAI.v31i1.10484”}，{“key”：“5_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Schreiber，S.，Agne，S.，Wolf，I.，Dengel，A.，Ahmed，S.：DeepDeSRT:深度学习，用于检测和识别文档图像中的表。in：ICDAR（2017）”，“DOI”：“10.1109\/ICDAR.2017.192”｝，｛“key”：“5_CR8”，“DOI由”断言：“crossref”，“非结构化”：“Bao，J.，et al.：表到文本：用自然语言描述表区域。In:AAAI（2018）”，“DOI”：“10.1609\/AAAI.v32i1.11944”}，{“key”：“5_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Qasim，S.R.，Mahmood，H.，Shafait，F.：使用图形神经网络重新思考表解析。In:ICDAR（2019）”：“5_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Tensmeyer，C.，Morariu，V.，Price，B.，Cohen，S.，Martinezp，T.：表结构分解的深度拆分和合并。In:ICDAR（2019）”，“doi”：“10.1109\/ICDAR.2019.00027”}，{“key”：“5_CR11”，“非结构化”：“Li，M.，Cui，L.，Huang，S.，Wei，F.，Zhou，M，Li，Z.：TableBank：基于图像的表检测和识别的表基准。In:ICDAR（2019）”}，{“key”：“5_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Paliwal，S.S.，Vishwanath，D.，Rahul，R.，Sharma，M.，Vig，L.：TableNet：从扫描文档图像进行端到端表检测和表格数据提取的深度学习模型。In：ICDAR（2019）”，“DOI”：“10.1109\/ICDAR.2019.00029”}，{“key”：“5_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhong，X.，ShafieiBavani，E.，Yepes，A.J.：基于图像的表识别：数据、模型和评估。arXiv（2019）”，“DOI”：“10.1007\/978-3-030-58589-1_34”}，{“key”：“5_CR14”，“unstructured”：“Chi，Z.，Huang“”，“非结构化”：“Khan，S.A.，Khalid，S.M.D.，Shahzad，M.A.，Shafait，F.：使用双向门控递归单元网络提取表结构。In:ICDAR（2019）”，“DOI”：“10.1109\/ICDAR.2019.00220”}，{“key”：“5_CR16”，“DOI-asserted-by”：“crossref”，“非结构”：“Siddiqui，S.A.，Khan，P.I.，Dengel，A.，Ahmed，S.：重新思考文档中表结构识别的语义分割。in：ICDAR（2019）”，“DOI”：“10.1109\/ICDAR.2019.00225”}，{“key”：“5_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Xue，W.，Li，Q.，Tao，D.：ReS2TIM：从表图像重建句法结构。in:ICDAR，“DOI”：“10.1109\/ICDAR.2019.00125”}，{“key”：“5_CR18”，“DOI-asserted-by”：“crossref”，“unstructured”：“G\u00f6bel，M.，Hassan，T.，Oro，E.，Orsi：“Gao，L.，et al.：ICDAR 2019表检测和识别竞赛（cTDaR）。In:ICDAR（2019）”，“DOI”：“10.1109\/ICDAR.2019.00243”}，{“key”：“5_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mondal，A.，Lipps，P.，Jawahar，C.V.：IIIT-AR-13K：文档中图形对象检测的新数据集。In:DAS（2020）”，《DOI》：“10.1007\/978-3-030-57058-3_16”}，{“key”：“5_CR21”，“unstructured”：“Itonori，K.：基于文本块排列和规则线位置的表结构识别。In:ICDAR（1993）”}：“Green，E.，Krishnamoorthy，M.：使用表语法识别表。In:文档分析和信息检索年度研讨会（1995）”}，{“key”：“5_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Kieninger，T.G.：基于鲁棒块分割的表结构识别。In:Document Recognition V（1998）”，“doi”：“10.1117\/12.304642”}，{“key”：“5_CR24”，“unstructured”：“Tupaj，S.，Shi，Z.，Chang，C.H.，Alam，H.：从文本文件中提取表格信息。塔夫茨大学，梅德福德，美国，EECS系（1996）”}：“Gilani，A.，Qasim，S.R.，Malik，I.，Shafait，F.：使用深度学习进行表格检测。In:ICDAR（2017）”，“DOI”：“10.1109\/ICDAR.2017.31”}，{“key”：“5_CR26”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dong，H.，Liu，S.，Han，S.、Fu，Z.，Zhang，D.：TableSense：使用卷积神经网络进行电子表格检测：“10.1609\/aaai.v33i01.330169”}，{“key”：“5_CR27”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”292“，“doi”：“10.1007\/978-3-030-30645-8_27”，“volume-title”：”图像分析与处理\u2013 ICIAP 2019“，”author“：”I Kavasidis“，”year“2019”，“unstructured”：“Kavasidis，I.，et al.：一种基于盐度的卷积神经网络，用于数字文档中的表格和图表检测。in：Ricci，E.，Rota Bul\u00f2，S.，Snoek，C.，Lanz，O.，Messelodi，S.和Sebe，N.（eds.）ICIAP 2019。LNCS，第11752卷，第292\u2013302页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-30645-8_27“}，{“key”：“5_CR28”，“doi-asserted-by”：“crossref”，“unstructured”：“Saha，R.，Mondal，A.，Jawahar，C.V.：文档图像中的图形对象检测。in：ICDAR（2019）”，“doi”：“10.1109\/ICDAR.2019.00018”}，}，“key“：”5_CR29“，”doi-assert-by“：”Crosref“，“un结构化”：“”Shahab，A.、Shafait，F.、Kieninger，T.、Dengel，A.：表结构识别系统基准测试的开放方法。在：DAS（2010）“，”DOI“：”10.1145\/1815330.1815345“}，{“key”：“5_CR30”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zanibbi，R.，Blostein，D.，Cordy，J.R.：使用树变换识别数学表达式。IEEE Trans.PAMI（2002）”，“DOI”：“10.1109\/TPAMI.2002.1046157”}，“key“：”5_CR31“，”DOI-asserted-by“：”crossref.“，“un结构化”：“Zhang，J.、Du，J.和Dai，L.：用于手写数学表达式识别的密集编码器的多尺度关注。In:ICDAR（2018）“，”DOI“：”10.1109\/ICPR.2018.8546031“}，{”key“：”5_CR32“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“664”，“DOI”：“10.1007\/978-3319-46478-7_41”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“N Siegel”，“year”：“2016”，”unstructured“：”Siegel，N.、Horvitz，Z.、Levin，R.、Divvala，S.、Farhadi，A.：FigureSeer:研究论文中的解析结果图。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9911卷，第664\u2013680页。查姆施普林格（2016）。https:\/\/doi.org/10.1007\/978-3-319-46478-7_41“｝，｛“key”：“5_CR33”，“doi断言者”：“crossref”，“非结构化”：“Tang，B.，et al.：DeepChart:将深度卷积网络和深度信念网络结合在图表分类中。Sig.Process.（2015）”，“doi”：“10.1016\/j.sigpro.2015.09.027”｝，｛“key”：“5_CR34”，“doi断言者”：“crossref”，“非结构化“：”Harit，G.，Bansal，A.：使用页眉和尾部模式检测文档图像中的表格。In:ICVGIP（2012）“，”DOI“：”10.1145\/2425333.2425395“}，{“key”：“5_CR35”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gatos，B.，Danatsas，D.，Pratikakis，I.，Perantonis，S.J.：文档图像中的自动表检测。In:CVPR（2005）”，“DOI”：“10.1007\/11551188_67”}，“key“：”5_CR36“，”DOI-assert-by“：”crossref.“，“非结构化”：“Ohta，M.，Yamada，R.，Kanazawa，T.，Takasu，A.：一种基于细胞检测的表格结构识别方法。收录于：ACM文档工程研讨会（2019年）“，”DOI“：”10.1145\/3342558.3345412“}，{“key”：“5_CR37”，“DOI-asserted-by”：“crossref”，“unstructured”：“Deng，Y.，Rosenberg，D.，Mann，G.：端到端神经科学表识别的挑战。收录自：ICDAR（2019）”非结构化”：“Adiga，D.，Bhat，S.A.，Shah，M.B.，Vyeth，V.：基于单元格关系的表结构识别，一种自下而上的方法。其中：RANLP（2019）“，”DOI“：”10.26615\/978-954-452-056-4_001“}，{“key”：“5_CR39”，“DOI-asserted-by”：“crossref”，“unstructured”：“Riba，P.，Dutta，A.，Goldmann，L.，Fornes，A.，Ramos，O.，Llados，J.：通过图形神经网络在发票文档中进行表检测。In:ICDAR（2019，“DOI-asserted-by”：“crossref“，“非结构化”：“Hole\u010dek，M.，Hoskovec，A.，Baudi\u0161，P.，Klinger，P.：结构化文档中的行项目和表理解。arXiv（2019）“，”DOI“：”10.1109\/ICDARW.2019.40098“}，{“key”：“5_CR41”，“DOI-asserted-by”：“crossref”，“unstructured”：“Deng，L.，Zhang，S.，Balog，K.：Table2Vec：表填充和检索的神经词和实体嵌入。In:SIGIR（2019“：”Le Vine，N.，Zeigenfuse，M.，Rowan，M.：使用条件生成对抗性网络和遗传算法从文档中提取表格。其中：IJCNN（2019）“，”DOI“：”10.1109\/IJCNN.2019.8851886“}，{“key”：“5_CR43”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sage，C.，Aussem，A.，Elghazel，H.，Eglin，V.，Espinas，J.：商业文档中表字段提取的递归神经网络方法。“DOI-asserted-by”：“crossref“，”unstructured“：”Girshick，R.，Donahue，J.，Darrell，T.，Malik，J.：丰富的特征层次用于准确的对象检测和语义分割。In:CVPR（2014）“，”DOI“：”10.1109\/CVPR.2014.81“}，{“key”：“5_CR45”，“DOI-asserted-by”：“crossref”，“unstructured”：“Girshick，R.：Fast R-CNN.In:ICCV（2015）”，“DOI”：“10.1109\/ICCV.2015.169”}，“key“：”5_CR46“，”unstructure“：”Ren，S.，He，K.，Girschick，R.，Sun，J.：更快的R-CNN：使用区域建议网络实现实时对象检测。In:NIPS（2015）“}，{”key“：”5_CR47“，”doi-asserted-by“：”crossref“，”unstructured“：”He，K.，Gkioxari，G.，Doll\u00e1r，P.，Girshick，R.：Mask R-CNN.In:CVPR（2017）“，”doi“：”10.1109\/ICCV.2017.322“}“，{“key”：“5_CR48”，“unstructure”：“Yu，F.，Koltun，V.：通过扩张卷积进行多尺度上下文聚合。arXiv（2015）”}，{“键”：“5_CR49”，“doi-asserted-by“：”crossref“，”unstructured“：”Chen，L.C.，Papandreou，G.，Kokkinos，I.，Murphy，K.，Yuille，A.L.：Deeplab：使用深度卷积网、atrous卷积和完全连接的CRF进行语义图像分割。IEEE传输。PAMI（2017）“，”DOI“：”10.1109\/TPAMI.2017.2699184“}，{“key”：“5_CR50”，“DOI-asserted-by”：“crossref”，“unstructured”：“Woo，S.，Hwang，S.、Jang，H.D.、Kweon，I.S.：用于准确一次检测的双向特征金字塔网络。Mach.Vis.Appl.（2019）”，“DOI”：“10.1007\/s00138-019-01017-9”}，“{”key“：”5_CR51“，”DOI-assert-b y“：”crossref“，”非结构化”：“Hochreiter，S.，Schmidhuber，J.：长期短期记忆。神经计算。（1997）“，”DOI“：”10.1162\/neco.1997.9.8.1735“}，{“key”：“5_CR52”，“DOI-asserted-by”：“crossref”，“unstructured”：“Qasim，S.R.，Kieseler，J.，Iiyama，Y.，Pierini，M.：学习距离加权图网络中不规则粒子检波器几何的表示法。arXiv（2019）”，“DOI”：“10.1140\/epjc \/s10052-019-7113-9”}，“{”key“：”5_CR53“，“”doi-asserted-by“：”crossref“，”unstructured“：”Smith，R.：Tesseract OCR引擎概述。In:ICDAR（2007）“，”DOI“：”10.1109\/ICDAR.2007.4376991“}，{“key”：“5_CR54”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，T.，et al.：Microsoft COCO:common objects In context。CoRR（2014）”，“DOI”：“10.1007\/978-3319-10602-1_48”}，“key“：”5_CR55“，”DOI-assert-by“：”crossref.“，”unstructure“：”Papineni，K.，Roukos，S.，Ward，T.，Zhu，W.J.：BLEU：机器翻译的自动评估方法。In:AMACL（2002）“，”DOI“：”10.3115\/1073083.1073135“}，{“key”：“5_CR56”，“DOI-asserted-by”：“crossref”，“unstructured”：“Vedantam，R.，Lawrence Zitnick，C.，Parikh，D.：CIDEr：基于共识的图像描述评估。In:CVPR（2015）”，“DOI”：“10.1109\/CVPR.2015.7299087”}，“key“：”5_CR57“，”非结构化“：”Lin，C.Y.：ROUGE：自动评估摘要的软件包。In:Text Summarization Branches Out（2004）“}”，“container-title”：[“Computer Vision\u2013 ECCV 2020”，“计算机科学课堂讲稿”]，“original-title“：[]，“link”：[{“URL”：“https:\/\/link.springer.com\/content\/pdf\/10007\/978-3030-58604-1_5”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed“：{“date-parts”：[[2022,11,26]]，“date-time”：“2022-11-26T07:43:20Z”，“timestamp”：1669448600000}，“score”：1，“resource”：{”primary“:{”URL“：”https:\/\/link.springer.com\/10.10007\/978-3030-58604-1_5“}}，”subtitle“：[]，”shorttitle“：[]，”issued“{”date-part“：[2020]]}”，“ISBN”：[“97830 30586034“，”9783030586041“]，”references-count“：57，”URL“：”http:\/\/dx.doi.org\/10.1007\/978-3-030-58604-1_5“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”03029743“，”type“:”print“}，{”value“：2020年11月“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“ECCV”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，”lable“：”ConferenceInformation“}，”value“：”European conference-on-Computer Vision“，”order“：2，”name“:”conference_name“，”标签“：”会议名称“，”group“：{”name“：label“：”会议信息“}}，{“value”：“格拉斯哥”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}value“：”2020“，”order“：5，”name“：”conference_year“，”label“：”会议年份“，”group“：，“name“：”conference_end_date“，”label“：”会议结束日期“，”group“：{”name“：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“16”，“order”：9，“name”：“conference_number”，”label:“会议编号”，“group”：{：“会议ID”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“https://eccv2020.eu”，“order”：11，“name”：“Conference_url”，“label”：“会议url”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“双盲”，“order”：1，“name”：“type”，“label”：“type”，“group”：｛“name”：“ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”OpenReview“，”order“：2，”name“：”conference_management_system“，”标签“：”会议管理系统“，”group“：value“：”5025“，”order“：3，”name“：”number_of_submissions_sent_for_review“，”label“：”发送供审阅的提交数“，”group“：接受的全文数“，”组“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”:“Number_of_short_Papers_Accepted”，“table”：“接受的短文数”，“group”：{同行评审信息（由会议组织者提供）“}}，{”value“：”27%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”label“：”全文接受率“，”group“：{”name“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“3”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评审数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛value“：”7“，”order“：8，”name“：”average_number_of_papers_per_reviewer“，”label“：”每个审阅者的平均论文数“，”group“：{”name“:”ConfEventPeerReviewInformation“，”label“：“同行审阅信息（由会议组织者提供）”}}，{“value”：“是”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部审阅者”，“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，”{“value”：“由于新冠肺炎疫情，会议实际上已经召开。”，“order”：10，“name”：“additional_info_on_Review_process”标签“：”同行评审信息（由会议组织者提供）“}}]}}