Table Detection from Document Image using Vertical Arrangement of Text Blocks

Q: 이 논문에서 정의한 테이블 검출이란 무엇인가?

테이블 검출은 문서 이미지에서 테이블 영역을 식별하는 효과적인 방법론을 제안하는 문제이다. 이는 관심 영역(ROI)을 테이블 후보로 인식하고, 텍스트 구성 요소를 추출하여 텍스트 블록을 형성한다. 이후 텍스트 블록의 수직적 배열 및 높이 조건을 검사하여 최종 테이블 여부를 결정한다.

Q: 문서 이미지에서 테이블을 효과적으로 검출하는 방법은 무엇인가?

연구 결과, 제안된 방법은 먼저 문서 이미지를 이진화하고 형태학적 닫힘 연산을 적용하여 노이즈를 줄인다. 이후 연결된 구성 요소와 경계 상자를 추출하고, 포함된 객체나 수평선을 기반으로 관심 영역(ROI)을 식별한다. ROI 내 텍스트 블록의 수직적 배열을 확인하여 테이블을 검출한다.

Dieu Ni Tran; Tuan Anh Tran; Aran Oh; Soo Hyung Kim; In Seop Na

추천

검색

질문

자료유형: 학술저널

저자정보: Dieu Ni Tran (Chonnam National University) Tuan Anh Tran (Chonnam National University) Aran Oh (Chonnam National University) Soo Hyung Kim (Chonnam National University) In Seop Na (Chonnam National University)

저널정보: 한국콘텐츠학회(IJOC) International JOURNAL OF CONTENTS International JOURNAL OF CONTENTS Vol.11 No.4

발행연도: 2015.12

수록면: 77 - 85 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Table detection is a challenging problem and plays an important role in document layout analysis. In this paper, we propose an effective method to identify the table region from document images. First, the regions of interest (ROIs) are recognized as the table candidates. In each ROI, we locate text components and extract text blocks. After that, we check all text blocks to determine if they are arranged horizontally or vertically and compare the height of each text block with the average height. If the text blocks satisfy a series of rules, the ROI is regarded as a table. Experiments on the ICDAR 2013 dataset show that the results obtained are very encouraging. This proves the effectiveness and superiority of our proposed method.

#Table Detection #Text Block #Expanding ROI #Vertical Arrangement

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090403164

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)