大佬您好，我想问一下，数据标注的时候，我看tablenet分成了两类，如果横向和纵向重叠的时候，该如何分类呢 @ @wenlihaoyu

首先，非常感谢您的分享。我尝试了表格识别，然后后处理稍微修改一点，效果非常棒。
其中，如果我想 迁移学习，有什么公开数据集可以训练unet么？
下载了TableBank和其他的，他们的标签要么作表格检测，要么是预测 表格单元关系。
不会真的都要用 LabelImage制作segmentation img吧。 手动狗头

该模型是不支持无线表格的分割吧

http://59.110.234.163:9990/static/models/table-detect/ 链接失效，能否将文件上传到百度网盘，多谢

看train.py中线宽设置为1个像素。

OSError: Unable to open file (unable to open file: name = 'models/table-line.h5', errno = 2, error message = 'No such file or directory', flags = 0, o_flags = 0)

如题，如何将增量训练完的.h5模型文件转换为.weights文件

您好，请问下模型和cfg文件不匹配怎么解决？

训练出来之后，用训练的图片测试，线条检测准

但重新拍照检测又不准了，这个会是什么问题

边界的线也没有标，横线和竖线标的并不是只是一根直线，直接标两点直线？

检测完单元格后，对单元格的内容进行识别，会把表格的边框当成是文字进行识别，想问下这个问题怎么解决

请问一下，为什么训练自己的数据，准确率上不去，在0.5左右震荡 ？

padx = (xmax - xmin) * (1 - prob) 这个公式的依据是什么呢

os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
无效果，用的是pubtabnet数据集

您好，请问下如果不做检测，直接分割，为什么会产生这样的列分割线？？ 无边框的也可以分割吗？

看代码好像是table_line是表格内部线条的权重模型，table_detect.cfg和weight是识别表格外框的权重模型，这样的猜想是正确的吗？如果是的话请问下表格外框的训练代码在哪里呢？或者请问训练示例里将图片截取到表格外框那是怎么做到的呢，期待大佬解答

作者代码里train.py，训练是在table-line.h5 基础上迁移学习，我使用自己的数据，table_line.py,注释model.load_weights(tableModeLinePath)，训练出来的模型，在运行预测table_ceil.py，报错，运行table_line.py,不报错，但是预测图片没有任何线条
GeForce GTX 1080 Ti, pci bus id: 0000:00:06.0, compute capability: 6.1) 1 Physical GPUs, 1 Logical GPUs 2020-10-15 17:30:16.059743: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library libcudnn.so.7 Traceback (most recent call last): File "table_ceil.py", line 105, in <module> tableDetect = table(img) File "table_ceil.py", line 25, in __init__ self.table_ceil() ##表格单元格定位 File "table_ceil.py", line 71, in table_ceil ceilboxes[:, [0, 2, 4, 6]] += xmin IndexError: too many indices for array: array is 1-dimensional, but 2 were indexed

Hello,

I tried training a model with my own data after annotating it using label-me. But while training I observed that my training loss is not converging nor is my accuracy increasing. It is stuck within a range of values (0.45 - 0.55 for accuracy). Any Idea why this is happening ?

标注了500张图片重新训练tableline模型，其中标注数据中有手拍表格图片，所以对于拍摄变形的图片中的表格横竖线，某一条横线如果只用一条横线标注，可能不能完全重合，因此一条横线可能被分成了两段或者三段横线进行标注。训练了10epoch，最终训练集上acc稳定到了0.99左右，loss0.019左右，但是用训练后的模型，在训练集上推理，检测到的横竖线效果很不好，同一条线段可能只能检测到线段上的部分，而不能完全检测整条线段。
请问是标注的训练数据的问题嘛，是不是训练数据的横竖线必须是横平

竖直那种横线，如果对于有拍摄畸变的图片，对于畸变横线标注时候也必须用一条横线标注，还是可以畸变横线被分成两段或者三段进行标注呢。
请问是训练数据太少呢，还是标注数据的问题呢还是训练epoch太少的原因呢，您给出的模型是用多少数据训练的呢

作者您好，感谢您对于表格识别的杰出工作，我这里现在有个问题
classify = Conv2D(num_classes, (1, 1), activation='sigmoid')(up0a)
这里既然num_classes是2，多分类问题了，为啥选用sigmoid作为激活函数呢？

尊敬的作者：
您好。
下载了您预训练好的表格线识别模型，效果挺好。想请教一下，您训练table-line这个模型，用的什么数据集。我看到您的代码目录里有5张用于训练表格线的图片及标注。难道就只是用这5张图片训练的吗？

稳定触发报错的例子：
1.ColsLines[i] = (189，5，189，92)；ColsLines[j] = (202, 92, 202, 396)，即(x2,y2) = (189, 92)，(x3,y3) = (202, 92)，r = sqrt((x2, y2), (x3, y3)) < alph 成立
2.会执行newColsLines.append([x2, y2, x3, y3])，但此处显然[189,92,202,92]是一条横线
3.newColsLines列表里混入横线后，运行到line_to_line函数时，只要与[189,92,202,92]计算的另一条横线y值相同，就会导致fit_line时直线系数A为0

问题导致原因：
RowsLines循环时，两条row_line特殊情况会产生一条垂直的col_line，需要增加判断条件加到newColsLines而非newRowsLines，ColsLines循环同理。

解决方案：增加调整后新增线段是否水平垂直

# 其他情况同理
r = sqrt((x1, y1), (x4, y4))
delta_x = x1 - x4
if r < alph:
    if delta_x == 0.0:
        newColsLines.append([x1, y1, x4, y4])
    else:
        newRowsLines.append([x1, y1, x4, y4])

infer的时候在哪设置batch_size的大小呢？现在的问题是test图片多内存会增加不释放，我用的cpu进行的推理。

表格横竖线检测时候，在tabel_line中，加载完模型后，model.predict(np.array([np.array(inputBlob) / 255.0]))计算时候内存增长特别大，但是得到结果后内存恢复，请问计算时候内存瞬间增长特别大甚至有时候增长0.7g正常嘛，求救

感谢您的分享，请问有训练模型的工程吗？

Hi,

I am keen to know if there is any research information available about the line detection model. Is the model based on a paper? How and where did you get the training data set?