Este documento presenta TableExtractNet, un modelo que encuentra y comprende automáticamente tablas de documentos escaneados, tareas que son esenciales para el uso rápido de la información en muchos campos. Esto es impulsado por la creciente necesidad de una interpretación eficiente y precisa de tablas en documentos comerciales donde las tablas mejoran la comunicación de datos y ayudan en la toma de decisiones. El modelo utiliza una combinación de dos técnicas avanzadas, CornerNet y Faster R-CNN, para localizar con precisión las tablas y comprender su diseño. Las pruebas en conjuntos de datos estándar, IIIT-AR-13K, STDW, SciTSR y PubTabNet, muestran que este modelo tiene un mejor rendimiento que los anteriores, lo que lo hace muy eficaz para tratar tablas que tienen diseños complicados o están en documentos con mucho detalle. El éxito de este modelo marca un avance en la automatización del análisis de documentos. Facilita la conversión de documentos escaneados complejos que contienen tablas en datos que son más manipulables por computadoras.