百度网盘AI大赛-表格检测进阶：表格的结构化优胜方案

一、赛题背景

随着票据、名单等带有表单、表格的文件被广泛应用，将纸质文件转化成电子数据并保存管理成为了很多企业的必然工作。传统人工录入的方式效率低、差错多、流程长，如果能通过技术处理，实现表格图片的结构化展现，则可以很大程度降低成本，提高效率以及使用体验。本次比赛希望各位选手能通过OCR等技术解决此痛点问题，识别表格图片的内容与坐标，精准还原纸质数据。

二、数据分析

• 本次比赛发布的训练集共7742张图片。
• 数据类型大致可分为截屏电子表和拍照电子表。其中截屏电子表包括有边界的和无边界的电子表，拍照电子表可分为有遮挡的无遮挡的。
• 检测目标分为四类，分别是整体表格(table)、表格行(row)、表格列(column)、跨多行/列的合并单元格(spanning_cell)。

• 如上图所示是经过初步训练后的有遮挡的检测结果，存在较为严重的漏检，因此本次比赛着重优化有遮挡的表格检测。 在训练集中这类图片只有极少数，所以经过裁剪，筛选，粘贴等方式生成了很多新的此类型数据作为数据扩充。
• 另外，由于检测的行和列都为窄长的目标，且较短边长度极短。我们知道越大的尺寸越有利于小目标的检测，因此增大训练时随机resize的尺寸。不过由于自身设备的限制，最大只增大到832（理论上来说更大一些效果会更好）。

三、评价指标

• 本次比赛的评价指标为：precision 和 recall。针对每一个类别box，pred box与gt box计算iou>=0.9且类别正确记为TP，未匹配的gt box记为FN，同一gt box仅可正确匹配一次。precision为所有类别的平均precision，recall为所有类别的平均recall，最终排名按照上述两个指标的加权分数从大到小依次排序。
• 机器配置：V100，显存15G，内存10G
• 单张图片耗时>2s，决赛中的性能分数记0分
• 由评价指标可知，iou>=0.9且类别正确才会记为TP，而Paddle Detection 中的默认iou阈值为0.5，在此验证时将其改变为0.9.

四、网络模型

• 此次我们首先选取了 Paddle Detection 套件中的ppyoloe-plus和VitDet来训练测试，因为检测会对显存以及时间有要求，最终放弃了VitDet， 采用 ppyoloe-plus 作为本次比赛的 baseline。网络架构如图所示：

• 其次考虑到ppyoloe-plus有不同大小网络的版本，我们知道，通常来讲相同架构下网络越深性能越好，在检测到最大的X网络也满足检测时间要求后，最终采用ppyoloe-plus的X网络。

五、训练细节

本次对训练集所有图片进行训练，并根据A榜测试集的类型分布挑选一些代表性的作为验证集，其中由于有遮挡的表格检测是本次比赛的难点，因此新生成的有遮挡的表格图片占验证集比重最大。

数据扩充

• 通过裁剪，筛选，然后随机粘贴方式生成新的带有遮挡框或者图表格的数据。如下图所示：            

数据增强

• 随机像素内容变换，包括对亮度、对比度、饱和度、色相角度、通道顺序的调整
• 随机扩张，填充值为 [123.675, 116.28, 103.53]
• 随机裁剪
• 随机翻转
• 按批次随机缩放，缩放大小选取列表为 [320, 352, 384, 416, 448, 480, 512, 544, 576, 608, 640, 672, 704, 736, 768, 800, 832]
• 归一化处理， 均值为 [0.485, 0.456, 0.406]，标准差为 [0.229, 0.224, 0.225]

训练配置

• 总迭代周期: 300 epoch。
• 预训练模型： ppyoloe-plus-x 在 Object365 数据集上的预训练模型。
• 首先，我们采用 LinearWarmup 策略对ppyoloe-plus-x 进行预热，其中，预热周期为 5 epochs。 之后，采用 CosineDecay 策略对学习率进行调整，其中，训练的基础学习率为 0.0001， 训练周期为 360 epochs。此外，我们采用动量为 0.9 的 Momentum 优化器对网络进行优化。同时，我们采用 Focal loss 作为分类损失，采用 SIOU 作为回归损失，采用 L1 Loss 计算预测值与真实值之间的误差，采用 DF loss 计算预测分布与真实分布之间的距离，并将上述四个损失的加权和作为模型的总损失。

六、改进策略

有效策略：

飞书多维表格

表格形态的AI工作流搭建工具，支持批量化的AI创作与分析任务，接入DeepSeek R1满血版

26

查看详情

• 对有遮挡框和图表格的类型进行数据扩充。
• 增大随机缩放大小到832。
• 采用SIOU替换GIOU作为回归损失函数。

无效策略：

• Mosaic，Mixup，Cutmix等数据增强。
• 添加轻量级注意力机制，如CBAM,SE等。

待优化策略：

• 预测后处理模块-自动纠正坐标。
• 引入坐标注意力机制。

七、文件

• PaddleDetection-release-2.5:检测套件
• Modify/* 修改配置文件
• gen_data.py 数据扩充脚本
• gen_anno.py VOC标签生成脚本
• label_list.txt 类别标签文件
• train.txt 训练集标签文件
• predict_final 最终提交结果
• predict_corre.py 后处理模块（不能保证泛化性，最终未采用）

运行

• IOU_loss替换：将PaddleDetection/ppdet/modeling/heads/ppyoloe_head.py中的第84行self.iou_loss = GIoULoss()改为self.iou_loss = SIoULoss()