基于复合注意力机制的文档版面分析算法.pdfVIP

第30卷第3期西安邮电大学学报Vol.30No.3

2025年5月JOURNALOFXIANUNIVERSITYOFPOSTSANDTELECOMMUNICATIONSMay2025

doi:10.13682/j.issn.2095-6533.2025.03.012

基于复合注意力机制的文档版面分析算法

谢海龙1.2,罗珠玮1.2，徐涛涛1.2，杨文青1.2，陈丹丹1.2，董前前

（1.智信能源科技有限公司，湖北武汉430206；2.中国电建集团江西省电力建设有限公司，江西南昌330001；

3.西安工程大学计算机科学学院，陕西西安710048）

摘要：为应对海量非结构化文档中关键信息快速提取的挑战，提出一种基于复合注意力机制的文档版面分析算

法。该算法先在特征金字塔网络中添加空间注意力机制聚焦文档图像中信息密集的区域，引入可变性卷积解决偏

移域的问题。然后通过连接通道注意力机制自适应调整特征通道的权重，以提升文档图像特征表征质量。最后，

采用残差连接方式改善深层网络中的梯度消失问题，从而实现图像特征高效融合。实验结果表明，所提算法在

PubLayNet英文数据集和CDLA中文数据集上的mAP分别为88.2%和94.3%，相比对比算法分别提升了0.6%

和3.3%，对复杂文档中存在的多元化表格具有更好的检测效果。

关键词：文档版面分析；大语言模型；特征金字塔网络；空间注意力机制；通道注意力机制

中图分类号：TP391文献标志码：A文章编号：2095-6533(2025)03-0103-08

Documentlayoutanalysisalgorithmbasedoncompound

attentionmechanism

XIEHailongl2,LUOWeil-2,XUTaotaol-2,YANGWenqingl-,

CHENDandanl:2,DONGQianqian3

(1.ZhiXinEnergyTechnologyCo.,LTD.,Wuhan430206,China;

2.PowerChinaJiangxiElectricPowerConstructionCo.,LTD.,Nanchang330001,China;

3.SchoolofComputerScience,XianPolytechnicUniversity,Xian710048,China)

Abstract:Forthechallengeofextractingkeyinformationfrommassiveunstructureddocuments,

adocumentlayoutanalysisalgorithmbasedonfeaturepyramidnetwork(FPN)isproposed.The

algorithmfirstincorporatesaspatialattentionmechanismintothefeaturepyramidnetworktofo-

cusoninformation-denseregionswithindocumentimages,andintroducesdeformableconvolution

tohandleoffset-relatedissues.Then,achannelattentionmechanismisconnectedtoadaptively

adjusttheweightsoffeaturechannels,therebyenhancingt