TableDETR：表格结构识别

我独立负责全流程：从数据管线、模型设计、训练调参到推理封装和可视化，完整跑通「数据 → 标签 → 训练 → 推理 → 还原」整个流程。

技术栈：Python、PyTorch、ResNet34 主干、DETR 式非自回归解码、2D 正弦位置编码、HTML/Word 表格重建。

架构：896 的输入图像先经过 ResNet34（步长 /32，得到 784 个视觉 token），加上 2D 正弦位置编码后，交给 500 个可学习 query 并行解码（2 层共享加双支路分叉），再输出 500×8 的结构标签和 500×4 的框。不做自回归，不逐 token 递归，一次前向就出全部结果。

亮点：① 把原 TableMaster 的 43 类 token 体系（里面含 colspan=“2” 这种带数字参数的 token）压缩成 8 类纯网格标签，合并信息改用 span、lcel、ucel、xcel 在空间上的分布来隐式表达，序列长度严格等于 rows×(cols+1)+1，可以直接 reshape 成网格；② 在同数据、同参数、同 epoch 的对照实验里，标签简化后「整表结构全对」从 51.50% 提升到 56.50%，框命中率从 53.76% 提升到 68.15%；③ 损失只在有效位置计算（CE + L1 + GIoU），权重用 strict=True 加载，配置在启动时就校验，保证实验可复现。

难点：无线表格的边界不在像素上，而在语义里；并且 53% 的单元格宽度不到输入图的 5%，降采样之后边界被平均掉，这是框不准的物理根源，光靠加大模型解决不了。合并区的左上角定位，以及 lcel、xcel 的混淆，是目前主要的错误来源。