基于YOLOv8n的表格线检测改进模型

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：韦超, 钱春雨, 黄启鹏, 杜林轩, 杨哲

单位：苏州大学 计算机科学与技术学院，江苏 苏州 215006

摘要：在表格识别重构任务中，分割和合并的重构方法需要通过检测表格线进而重构出电子表格，因此表格线检测结果的质量直接决定了表格重构的效果。针对已有方法存在误检漏检的问题，提出一种YOLOv8n改进模型，用于表格线检测。在主干网络中，利用Swin Transformer的思想改进BottleneckCSP模块，可以捕捉到更长距离的上下文信息，提升对于大尺度表格线的识别能力；针对表格线细长密集的特点，引入蛇形动态卷积的思想改进C2f（CSPLayer_2Conv）模块，根据特征之间的空间关系自适应地调整卷积核的形状和位置，从而更好地捕获特征之间的相关性和局部细节，进而提高特征建模能力；通过CBAM（convolutional block attention module）注意力机制改造空间金字塔池化层，动态地调整特征图中每个通道和空间位置的重要性，从而增强特征图的区分能力；优化颈部结构，引入混洗卷积来改造颈部结构。实验结果表明，改进后的YOLOv8n模型在ICDAR_2013和PubTabNet数据集上，mAP@0.5：0.95、准确率、召回率分别提升了0.079、0.301、0.088，性能超过YOLO同系列模型。这些改进使得YOLOv8n模型在表格线检测任务中展现出了优异的性能，通过与合并方法结合，可以进一步提升表格重构的效果。

关键词：表格线,YOLOv8n,注意力机制,动态蛇形卷积,Transformer,轻量化