tabelgenkendelse

Tabelgenkendelse er processen med at opdage og udtrække tabeller fra dokumenter og at rekonstruere tabellens struktur og indhold i en maskinlæsbar form. Den består typisk af to trin: tabellokalisering og tabelstrukturgenkendelse. Først identificeres områder af siden, der indeholder tabeller. Dernæst bestemmes cellernes inddeling i rækker og kolonner, og teksten i hver celle genkendes gennem OCR og organiseres i et datasæt som CSV, JSON eller et SQL-skema.

Moderne systemer kombinerer ofte regelbaserede heuristikker med maskinlæring og dybe neurale netværk til at forbedre både lokalisering og strukturgenkendelse. Algoritmerne kan anvende billedbaseret analyse (to-dimensionel struktur, kantdetektion) eller tekstbaseret analyse (kontekstuelle tegn- og ordrelationer) til at afgøre, hvor celler starter og slutter, og hvordan overskriftsrækker og sammenflettede celler hænger sammen. Tabeller kan være enkeltrammede eller komplekse med flettede celler, span af rækker og kolonner samt uden tydelige kantlinjer, hvilket øger udfordringen.

Anvendelser omfatter elektroniske arkiver, fakturaer, regnskabsdata og videnskabelig litteratur, hvor udtrukne tabeller integreres i databaser og analyseværktøjer. Udfordringer inkluderer varierende layout, dårligt scannede dokumenter, sprog og tegnsæt, samt tabeller som ikke følger klare grids. Evalueringsmetoder fokuserer ofte på præcision og tilbageholdelse for tabellokalisering samt nøjagtighed af den udtrukne struktur og data.