基于Transformer的多模态级联文档布局分析网络

温绍杰,吴瑞刚,冯超文,刘英莉

Multimodal cascaded document layout analysis network based on Transformer

Shaojie WEN,Ruigang WU,Chaowen FENG,Yingli LIU

表 3 所提模型与现有模型在PublayNet数据集上对各类元素识别的mAP值

Tab.3 mAP values of proposed model and existing models for identification of various elements in PublayNet dataset

模型 mAP/% 文本 标题 列表 表格 图片 PublayNet[24] 91.6 84.0 88.6 96.0 94.9 DiT[13](Mask R-CNN) 92.8 84.5 86.8 97.5 96.5 DiT[13](Cascader R-CNN) 93.6 85.9 89.7 97.6 96.9 UDoc[25] 92.6 86.5 92.4 96.5 95.4 BEiT[23] 92.5 86.2 93.1 97.3 95.7 MCOD-Net 94.4 90.5 95.4 97.8 97.0