▲ 图七表格结构预测框架
表格结构效果如图八所示，表格结构识别算法预测出每个单元格的位置信息和每个位置对应的序列信息。图八左右两个图是一一对应的，同一种颜色的检测框对应右边 Cell 单元格，Cell 是有顺序的。
▲ 图八表格结构识别效果展示
表格识别在部署过程中，采用 Fastertransformer 推理框架进行加速，我们的推理速度提升了大约 20 倍，明显改善用户体验。
Cell 坐标聚合算法主要是将文本检测到的内容与表格预测的单元格进行正确匹配，算法流程如图九所示。文本框与单元格框进行匹配，首先匹配 IOU 最大的，如果 IOU=0，则匹配两个框中心距最近的。如果一个单元格中包含多个文本框的结构，还要在单元格内按照阅读顺序输出，并实现智能换行从而改善用户体验。
▲ 图九 Cell 坐标聚合算法流程
最终我们的算法在表格结构提取和端到端表格还原的准确率上，均领先业界的主要竞品。
五、对齐算法
上述算法已经基本还原出表格信息，但是同一表格里单元格的对齐方式并不相同，可能同时存在“左对齐” “右对齐” “居中对齐”。我们设计了一套对齐算法，通过分析表格中单元格的位置信息实现自动对齐，完全还原出真实表格，明显改善用户体验。对齐算法效果如图十所示：
▲ 图十 对齐算法效果
