Skip to content

Commit

Permalink
deploy: 7611da1
Browse files Browse the repository at this point in the history
  • Loading branch information
@SWHL
SWHL committed Nov 22, 2023
1 parent 68b6b1e commit f7050b3
Show file tree
Hide file tree
Showing 16 changed files with 195 additions and 195 deletions.
28 changes: 14 additions & 14 deletions docs/blog/index.html
View file
Original file line number Diff line number Diff line change
Expand Up @@ -148,12 +148,12 @@



<li class=" "><a class="sidebar-nested-link" href="https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/">Cycle-CenterNet: 无线表格结构识别算法</a></li>
<li class=" "><a class="sidebar-nested-link" href="https://rapidai.github.io/TableStructureRec/docs/blog/lineless_table_rec/">LORE: 无线表格结构识别算法</a></li>




<li class=" "><a class="sidebar-nested-link" href="https://rapidai.github.io/TableStructureRec/docs/blog/lineless_table_rec/">LORE: 无线表格结构识别算法</a></li>
<li class=" "><a class="sidebar-nested-link" href="https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/">Cycle-CenterNet: 有线表格结构识别算法</a></li>


</ul>
Expand Down Expand Up @@ -377,15 +377,15 @@ <h1 class="content-title mb-0">
<div class="row flex-xl-wrap">

<div id="list-item" class="col-md-4 col-12 mt-4 pt-2">
<a class="text-decoration-none text-reset" href="https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/">
<a class="text-decoration-none text-reset" href="https://rapidai.github.io/TableStructureRec/docs/blog/lineless_table_rec/">
<div class="card h-100 features feature-full-bg rounded p-4 position-relative overflow-hidden border-1">
<span class="icon-color d-flex my-3">
<i class="material-icons align-middle">table</i>


</span>
<div class="card-body p-0 content">
<p class="fs-5 fw-semibold card-title mb-1">Cycle-CenterNet: 无线表格结构识别算法</p>
<p class="fs-5 fw-semibold card-title mb-1">LORE: 无线表格结构识别算法</p>
<p class="para card-text mb-0"></p>
</div>

Expand All @@ -394,15 +394,15 @@ <h1 class="content-title mb-0">
</div>

<div id="list-item" class="col-md-4 col-12 mt-4 pt-2">
<a class="text-decoration-none text-reset" href="https://rapidai.github.io/TableStructureRec/docs/blog/lineless_table_rec/">
<a class="text-decoration-none text-reset" href="https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/">
<div class="card h-100 features feature-full-bg rounded p-4 position-relative overflow-hidden border-1">
<span class="icon-color d-flex my-3">
<i class="material-icons align-middle">table</i>


</span>
<div class="card-body p-0 content">
<p class="fs-5 fw-semibold card-title mb-1">LORE: 无线表格结构识别算法</p>
<p class="fs-5 fw-semibold card-title mb-1">Cycle-CenterNet: 有线表格结构识别算法</p>
<p class="para card-text mb-0"></p>
</div>

Expand Down Expand Up @@ -722,19 +722,19 @@ <h1 class="content-title mb-0">
index.add(
{
id: 6 ,
href: "\/TableStructureRec\/docs\/blog\/wired_table_rec\/",
title: "Cycle-CenterNet: 无线表格结构识别算法",
description: "引言 linkCycle-CenterNet算法来自论文Parsing Table Structure in the Wild，是阿里的一篇工作。\n该工作主要解决拍照和截屏场景下有线结构识别问题。\n基本原理 link本模型是以自底向上的方式:\n1）基于单元格中心点回归出到4个顶点的距离，解码出单元格bbox；同时基于单元格顶点，回归出到共用该顶点的单元格的中心点距离，解码出gbox。\n2）基于gbox(group box)，将离散的bbox拼接起来得到精准完整的电子表格；\n3）第二步的拼接将单元格从“离散”变为“连续”，因此用后处理算法获得单元格的行列信息。\n参考资料 link 读光-表格结构识别-有线表格 ",
content: "引言 linkCycle-CenterNet算法来自论文Parsing Table Structure in the Wild，是阿里的一篇工作。\n该工作主要解决拍照和截屏场景下有线结构识别问题。\n基本原理 link本模型是以自底向上的方式:\n1）基于单元格中心点回归出到4个顶点的距离，解码出单元格bbox；同时基于单元格顶点，回归出到共用该顶点的单元格的中心点距离，解码出gbox。\n2）基于gbox(group box)，将离散的bbox拼接起来得到精准完整的电子表格；\n3）第二步的拼接将单元格从“离散”变为“连续”，因此用后处理算法获得单元格的行列信息。\n参考资料 link 读光-表格结构识别-有线表格 "
href: "\/TableStructureRec\/docs\/blog\/lineless_table_rec\/",
title: "LORE: 无线表格结构识别算法",
description: "引言 linkLORE算法来自论文LORE: Logical Location Regression Network for Table Structure Recognition，是阿里的一篇工作。\n该工作主要解决无线表格结构识别问题，具体包括文档中涉及到一些三线表之类表格结构识别。对于有线的表格支持较差。\n基本原理 link主要原理为:\n1）基于无线单元格中心点回归出到4个顶点的距离，解码出单元格bbox；\n2）结合视觉特征与单元格bbox信息，采用两个级联回归器兼顾全局与局部注意力，直接对单元格的逻辑坐标进行回归；\n3）模型训练时显式利用单元格间与单元格内逻辑约束对模型进行优化。\n参考资料 link 读光-表格结构识别-无线表格 ",
content: "引言 linkLORE算法来自论文LORE: Logical Location Regression Network for Table Structure Recognition，是阿里的一篇工作。\n该工作主要解决无线表格结构识别问题，具体包括文档中涉及到一些三线表之类表格结构识别。对于有线的表格支持较差。\n基本原理 link主要原理为:\n1）基于无线单元格中心点回归出到4个顶点的距离，解码出单元格bbox；\n2）结合视觉特征与单元格bbox信息，采用两个级联回归器兼顾全局与局部注意力，直接对单元格的逻辑坐标进行回归；\n3）模型训练时显式利用单元格间与单元格内逻辑约束对模型进行优化。\n参考资料 link 读光-表格结构识别-无线表格 "
}
);
index.add(
{
id: 7 ,
href: "\/TableStructureRec\/docs\/blog\/lineless_table_rec\/",
title: "LORE: 无线表格结构识别算法",
description: "引言 linkLORE算法来自论文LORE: Logical Location Regression Network for Table Structure Recognition，是阿里的一篇工作。\n该工作主要解决无线表格结构识别问题，具体包括文档中涉及到一些三线表之类表格结构识别。对于有线的表格支持较差。\n基本原理 link主要原理为:\n1）基于无线单元格中心点回归出到4个顶点的距离，解码出单元格bbox；\n2）结合视觉特征与单元格bbox信息，采用两个级联回归器兼顾全局与局部注意力，直接对单元格的逻辑坐标进行回归；\n3）模型训练时显式利用单元格间与单元格内逻辑约束对模型进行优化。\n参考资料 link 读光-表格结构识别-无线表格 ",
content: "引言 linkLORE算法来自论文LORE: Logical Location Regression Network for Table Structure Recognition，是阿里的一篇工作。\n该工作主要解决无线表格结构识别问题，具体包括文档中涉及到一些三线表之类表格结构识别。对于有线的表格支持较差。\n基本原理 link主要原理为:\n1）基于无线单元格中心点回归出到4个顶点的距离，解码出单元格bbox；\n2）结合视觉特征与单元格bbox信息，采用两个级联回归器兼顾全局与局部注意力，直接对单元格的逻辑坐标进行回归；\n3）模型训练时显式利用单元格间与单元格内逻辑约束对模型进行优化。\n参考资料 link 读光-表格结构识别-无线表格 "
href: "\/TableStructureRec\/docs\/blog\/wired_table_rec\/",
title: "Cycle-CenterNet: 有线表格结构识别算法",
description: "引言 linkCycle-CenterNet算法来自论文Parsing Table Structure in the Wild，是阿里的一篇工作。\n该工作主要解决拍照和截屏场景下有线结构识别问题。\n基本原理 link本模型是以自底向上的方式:\n1）基于单元格中心点回归出到4个顶点的距离，解码出单元格bbox；同时基于单元格顶点，回归出到共用该顶点的单元格的中心点距离，解码出gbox。\n2）基于gbox(group box)，将离散的bbox拼接起来得到精准完整的电子表格；\n3）第二步的拼接将单元格从“离散”变为“连续”，因此用后处理算法获得单元格的行列信息。\n参考资料 link 读光-表格结构识别-有线表格 ",
content: "引言 linkCycle-CenterNet算法来自论文Parsing Table Structure in the Wild，是阿里的一篇工作。\n该工作主要解决拍照和截屏场景下有线结构识别问题。\n基本原理 link本模型是以自底向上的方式:\n1）基于单元格中心点回归出到4个顶点的距离，解码出单元格bbox；同时基于单元格顶点，回归出到共用该顶点的单元格的中心点距离，解码出gbox。\n2）基于gbox(group box)，将离散的bbox拼接起来得到精准完整的电子表格；\n3）第二步的拼接将单元格从“离散”变为“连续”，因此用后处理算法获得单元格的行列信息。\n参考资料 link 读光-表格结构识别-有线表格 "
}
);
index.add(
Expand Down
30 changes: 15 additions & 15 deletions docs/blog/index.xml
View file
Original file line number Diff line number Diff line change
Expand Up @@ -7,21 +7,6 @@
<generator>Hugo -- gohugo.io</generator>
<language>en-us</language>
<lastBuildDate>Sun, 08 Oct 2023 00:00:00 +0000</lastBuildDate><atom:link href="https://rapidai.github.io/TableStructureRec/docs/blog/index.xml" rel="self" type="application/rss+xml" />
<item>
<title>Cycle-CenterNet: 无线表格结构识别算法</title>
<link>https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/</link>
<pubDate>Tue, 21 Nov 2023 00:00:00 +0000</pubDate>

<guid>https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/</guid>
<description>引言 linkCycle-CenterNet算法来自论文Parsing Table Structure in the Wild，是阿里的一篇工作。
该工作主要解决拍照和截屏场景下有线结构识别问题。
基本原理 link本模型是以自底向上的方式:
1）基于单元格中心点回归出到4个顶点的距离，解码出单元格bbox；同时基于单元格顶点，回归出到共用该顶点的单元格的中心点距离，解码出gbox。
2）基于gbox(group box)，将离散的bbox拼接起来得到精准完整的电子表格；
3）第二步的拼接将单元格从“离散”变为“连续”，因此用后处理算法获得单元格的行列信息。
参考资料 link 读光-表格结构识别-有线表格 </description>
</item>

<item>
<title>LORE: 无线表格结构识别算法</title>
<link>https://rapidai.github.io/TableStructureRec/docs/blog/lineless_table_rec/</link>
Expand All @@ -37,5 +22,20 @@
参考资料 link 读光-表格结构识别-无线表格 </description>
</item>

<item>
<title>Cycle-CenterNet: 有线表格结构识别算法</title>
<link>https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/</link>
<pubDate>Wed, 22 Nov 2023 00:00:00 +0000</pubDate>

<guid>https://rapidai.github.io/TableStructureRec/docs/blog/wired_table_rec/</guid>
<description>引言 linkCycle-CenterNet算法来自论文Parsing Table Structure in the Wild，是阿里的一篇工作。
该工作主要解决拍照和截屏场景下有线结构识别问题。
基本原理 link本模型是以自底向上的方式:
1）基于单元格中心点回归出到4个顶点的距离，解码出单元格bbox；同时基于单元格顶点，回归出到共用该顶点的单元格的中心点距离，解码出gbox。
2）基于gbox(group box)，将离散的bbox拼接起来得到精准完整的电子表格；
3）第二步的拼接将单元格从“离散”变为“连续”，因此用后处理算法获得单元格的行列信息。
参考资料 link 读光-表格结构识别-有线表格 </description>
</item>

</channel>
</rss>
Loading

0 comments on commit f7050b3

Please sign in to comment.