《Deep web data extraction based on visual information processing》
作者 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
一種基于卷積神經網絡（CNN）的資料區域定位方法
結合視覺資訊進行網頁的分割（作者命名為VIBS）
1、CNN 基于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 。第一階段設定卷積層和彙集層以學習圖像的特征。第二階段是設定展平圖層所必需的，展平圖層會将卷積圖層和合并圖層生成的特征圖轉換為一維矢量，以計算完整的連接配接圖層。除了為輸出設定最後一個完全連接配接之外，第三階段設定多個連接配接層以過濾先前層學習的特征。
網絡架構設計使用13級CNN，包括5個采樣層（S），6個卷積層（C）和2個完全連接配接層。
據區域檢測的标準IOU，如果IOU > 50％，則資料區域被視為正樣本。
區域定位主要步驟流程圖如下
2、基于視覺資訊的網頁分割方法 VIBS
3、實驗結果和分析
資料集（Lianjia、Complanet、Fangjia）
58,500個樣本資料集，其中有195種具有不同大小和不同位置的圖像樣本，包含資料區域，總共300個組。
實驗結果
總結
總體看下來，文章的創新意義大于實際意義吧，這麼高的精确度，感覺像是過拟合了，而且速度不可能這麼快，應該是把網頁先行儲存成圖檔了的，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，比如能否divide的判定等。