《Deep web data extraction based on visual information processing》作者JLiu上海海事大学2017AIHC会议发表并引用LiuJ,LinL,CaiZ,etal.基于视觉信息处理的深网数据抽取[J].环境智能与人性化计算杂志，2017（1）：1-11。介绍一种基于卷积神经网络（CNN）的数据区域定位方法结合视觉信息进行网页分割（作者将其命名为VIBS）1.CNN基于卷积神经网络的区域定位CNN网络结构由三个阶段组成，如如图所示。第一阶段设置卷积层和池化层来学习图像的特征。第二阶段需要设置扁平化层，它将卷积层和池化层产生的特征图转换为一维向量以计算全连接层。除了为输出设置最后一个全连接外，第三阶段还设置了多个连接层来过滤前面层学习到的特征。网络架构设计采用13层CNN，包括5个采样层（S）、6个卷积层（C）和2个全连接层。根据区域检测的标准IOU，如果IOU>>50%，则认为该数据区域为正样本。区域定位主要步骤流程图如下2.基于视觉信息的网页分割方法VIBS3、实验结果及分析数据集（链家、Complanet、方家）58500个样本数据集，包括195个不同大小的图像样本以及不同的位置，包含数据区，共300组。实验结果总结总体而言，文章的创新意义大于实际意义。这么高的准确率感觉有点过拟合，速度不可能这么快。它应该先保存为图片。文章写的很好，比较系统也比较完整，但是有些地方没说清楚，比如是否划分的判断等。
