【論文簡讀】 Deep web data extraction based on visual

《 Deep web data extraction based on visual information processing》
做者 J Liu 上海海事大學 2017 AIHC會議登載
引用 Liu J, Lin L, Cai Z, et al. Deep web data extraction based on visual information processing[J]. Journal of Ambient Intelligence & Humanized Computing, 2017(1):1-11.

簡介

一種基於卷積神經網絡（CNN）的數據區域定位方法
結合視覺信息進行網頁的分割（做者命名爲VIBS）

一、CNN 基於卷積神經網路進行區域定位

CNN網絡結構由3個階段組成，如圖所示 。第一階段設置卷積層和聚集層以學習圖像的特徵。第二階段是設置展平圖層所必需的，展平圖層會將卷積圖層和合並圖層生成的特徵圖轉換爲一維矢量，以計算完整的鏈接圖層。除了爲輸出設置最後一個徹底鏈接以外，第三階段設置多個鏈接層以過濾先前層學習的特徵。

網絡架構設計使用13級CNN，包括5個採樣層（S），6個卷積層（C）和2個徹底鏈接層。

據區域檢測的標準IOU，若是IOU  > 50％，則數據區域被視爲正樣本。

區域定位主要步驟流程圖以下

二、基於視覺信息的網頁分割方法 VIBS

三、實驗結果和分析

數據集（Lianjia、Complanet、Fangjia）

58,500個樣本數據集，其中有195種具備不一樣大小和不一樣位置的圖像樣本，包含數據區域，總共300個組。

實驗結果

總結

整體看下來，文章的創新意義大於實際意義吧，這麼高的精確度，感受像是過擬合了，並且速度不可能這麼快，應該是把網頁先行保存成圖片了的，文章寫得很不錯，對比什麼的體系也比較完善，就是有些地方沒有講清楚，好比可否divide的斷定等。