CN102467653A - 一种图文识别方法及系统 - Google Patents
一种图文识别方法及系统 Download PDFInfo
- Publication number
- CN102467653A CN102467653A CN2010105306602A CN201010530660A CN102467653A CN 102467653 A CN102467653 A CN 102467653A CN 2010105306602 A CN2010105306602 A CN 2010105306602A CN 201010530660 A CN201010530660 A CN 201010530660A CN 102467653 A CN102467653 A CN 102467653A
- Authority
- CN
- China
- Prior art keywords
- sub
- pictures
- character
- picture
- coding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Character Discrimination (AREA)
Abstract
本发明涉及一种图文识别方法及系统,属于图像识别技术领域。本发明首先对图片文件进行预处理后将图片切分成设定长度和高度的子图片,并标注每个子图片的编码;合作网站从指定服务器的数据库中获取子图片及该子图片的编码,将子图片作为用户登录该合作网站的验证码;在合作网站用户输入验证码子图片中的字符后,将输入的字符连同该字符所对应的子图片编码提交到指定服务器的数据库存储;最后依据数据库中记录的子图片编码及该子图片的字符,经过统计合并出对应扫描图片文件的全文电子文档。本发明通过利用网民的用户身份验证功能,经过统计完成对图片中文字识别,特别适用于古文、手书文字识别。
Description
技术领域
本发明属于图像识别技术领域,具体涉及一种图片中字符的识别方法及系统。
背景技术
信息化使文化存储、传播等方式产生了变革性的变化,但是目前还存在大量的纸质材料,简单的文件扫描生成图片不适用于内容检索等,因此,目前大量的纸质的书籍、档案需要进行OCR文字识别,OCR(Optical CharacterRecognition,光学字符识别)技术从扫描件中识别出字符及版面信息等内容,从而将纸质图书转化成了数字内容。OCR技术对于规范印刷字体的文字识别效果好,但是对于大量古籍文献以及手写内容,采用OCR技术识别的准确率很低,无法满足数字化处理的要求。如果采用人工方法对OCR识别后的字符进行校对,则工作量太大,成本太高。
另外,由于现有纸质资料的文字识别,人工识别也存在一定比例的错识率,或者是有争议的,特别是古籍中的缺笔、变体等,往往需要结合多次识别以及前后文分析才能有较准确的识别。这种工作方式也决定了其巨大的工作量。
目前验证码是互联网常用的一种防止对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试,实际上使用验证码是现在很多网站通行的方式。所谓验证码,就是将一串随机产生的数字或文字,生成一幅图片,图片里加上一些干扰像素(防止OCR),由用户肉眼识别其中的验证码信息,输入表单提交网站验证,验证成功后才能使用某项功能。
本发明正是在这种背景下,利用该反向思维,希望通过技术手段,结合目前广大的互联网用户验证码需求,通过广大网民零散的、海量的验证,实现对OCR识别率低的部分进行人工识别补充,从而解决目前古籍、手书的纸质文字的数字化。
发明内容
针对现有技术中存在的缺陷,本发明要解决的技术问题是提供一种准确率和效率高的图文识别方法与系统。
为解决上述技术问题,本发明采用的技术方案如下:
一种图文识别方法,包括以下步骤:
(1)对图片文件进行预处理,删除图片中非字符内容;
(2)将图片切分成设定长度和高度的子图片,并标注每个子图片的编码,将子图片连同该子图片的编码存入指定服务器的数据库中;
(3)合作网站获取指定服务器的数据库中的子图片及该子图片的编码,将子图片作为该合作网站的验证码;
(4)合作网站用户输入作为验证码的子图片中字符后,将输入的字符连同该字符所对应的子图片编码提交到指定服务器的数据库存储;
(5)依据指定服务器的数据库中记录的子图片编码及该子图片的字符,经过统计合并出对应图片文件的全文电子文档。
如上所述的图文识别方法,步骤(2)中所述切分的顺序与文档中的字符排列顺序相同。
如上所述的图文识别方法,步骤(2)中所述切分的方法如下:按照字符行/列及行/列方向,先将图片切分成若干字符行/列,再将每个字符行/列按照设定长度和高度切分成若干子图片。
如上所述的图文识别方法,步骤(2)中所述子图片的编码包括该子图片所在字符行/列数、及其在行/列中的序号。子图片编码中还包含该子图片的归属信息。
如上所述的图文识别方法,步骤(2)中将子图片编码作为该子图片的文件名。
如上所述的图文识别方法,步骤(2)中所述设定长度为图片中2至6个连续字符的平均长度,所述设定高度大于字符的高度。如果某行/列长度不能被整切分,则最后一个子图片长度可以小于设定长度。
如上所述的图文识别方法,步骤(3)中所述合作网站获取指定服务器的数据库中的子图片及该子图片的编码方法如下:
合作网站主动向指定服务器请求子图片及该子图片的编码;或者指定服务器向合作网站分发子图片及该子图片的编码,合作网站被动接受。
合作网站获取指定服务器子图片的优先顺序如下:
优先获取数据库中识别内容相似度低的子图片,在同等情况下,获取识别次数少的子图片,再同等条件下,在该范围内随机分发;
所述相似度是指对于同一子图片,多次输入文字内容中相同的次数与输入的总次数的比值。
如上所述的图文识别方法,步骤(4)中还包括统计各合作网站用户输入的字符数量的步骤,依据字符数量向合作网站付费。
如上所述的图文识别方法,步骤(5)中,合并对应图片文件的全文电子文档时,对于每个子图片,以用户输入相同次数最多的字符作为该子图片的字符。
一种图文识别系统,包括:
预处理装置,用于对图片文件进行预处理,删除图片中非字符内容;
切分装置,用于将图片切分成设定长度和高度的子图片,并标注每个子图片的编码,将子图片连同该子图片的编码存入服务器的数据库中;
合作网站,用于获取服务器的数据库中的子图片及该子图片的编码,将子图片作为用户登录该合作网站的验证码;
存储装置,用于在合作网站用户输入作为验证码的子图片中字符后,将输入的字符连同该字符所对应的子图片编码提交到服务器的数据库存储;
合成装置,用于依据服务器的数据库中记录的子图片编码及该子图片的字符,经过统计合并出对应图片文件的全文电子文档。
如上所述的图文识别系统,还包括用于统计各合作网站用户输入的字符数量,并根据字符数量计算费用的费用清分装置。
本发明所述的方法及系统,由于将图片中字符的大量人工识别工作进行了分散,分散给了千千万万的网站用户,不仅大大提高了识别效率,而且也大大提高了识别的准确性。
附图说明
图1是具体实施方式中图文识别系统的结构框图;
图2是具体实施方式中图文识别方法的流程图。
具体实施方式
下面结合具体实施方式和附图对本发明进行详细描述。
图1示出了本实施方式中图文识别系统的结构。如图1所示,该系统包括预处理装置11,与预处理装置11连接的切分装置12,与切分装置12连接的服务器17,与服务器17连接的合作网站群13、存储装置14和合成装置15,以及与合作网站群13连接的费用清分装置16。其中,合作网站群13可以包括多个合作网站。
预处理装置11用于对图片文件进行预处理,删除图片中的非字符内容。
切分装置12用于将图片切分成设定长度和高度的子图片,并标注每个子图片的编码,将子图片连同该子图片的编码存入服务器17的数据库中。
合作网站13用于获取服务器17的数据库中的子图片及该子图片的编码,将子图片作为该合作网站的验证码。
存储装置14用于在合作网站13用户输入作为验证码的子图片中字符后,将输入的字符连同该字符所对应的子图片编码提交到服务器17的数据库存储。
合成装置15用于依据服务器17的数据库中记录的子图片编码及该子图片的字符,合并出对应图片文件的全文电子文档。
费用清分装置16用于统计各合作网站用户输入的字符数量,并根据字符数量计算费用。
图2示出了采用图1所示系统识别图文的方法流程。如图2所示,该方法包括以下步骤:
(1)预处理装置11对图片文件进行预处理,删除图片中非字符内容。
图片文件可以是纸质资料的扫描件,采用现有的抠图工具将图片中的非字符内容删除,如图像、表格等内容。
(2)切分装置12将图片切分成设定长度和高度的子图片,并标注每个子图片的编码,将子图片连同该子图片的编码存入指定服务器的数据库中。
图片切分的顺序与文档中的字符排列顺序相同。
如果字符排列顺序为从左到右、从上到下,则按照字符行及行方向,先将图片切分成若干字符行,再将每个字符行按照设定长度和高度切分成若干子图片。
如果字符排列顺序为从上到下、从右到左,则按照字符列及列方向,先将图片切分成若干字符列,再将每个字符列按照设定长度和高度切分成若干子图片。
较佳地,所述设定长度为图片中2至6个连续字符的平均长度,设定高度稍大于字符的高度。如果某行或某列长度不能被整切分,则最后一个子图片长度可以小于设定的长度。
所述子图片的编码中包含该子图片的归属信息,该子图片所在字符行/列数、及其在行/列中的序号。例如,假设某子图片为某书籍(编码为001)中第1页第2行第4个子图片,则该子图片的编码可以为:0010010204。第1~3位数字表示该子图片所属书籍的编号,第4~6位表示所属页码,第7~8位表示所属行数,低9~10位表示所在行的子图片序号。优选地,将子图片的编码作为子图片的名称存储,这样可以很方便的存储子图片的编码。
(3)合作网站获取指定服务器的数据库中的子图片及该子图片的编码,将子图片作为该合作网站的验证码。
在用户登录网站、发帖、身份认证等场合,通常需要输入验证码。将子图片作为验证码,在需要输入验证码时,用户输入子图片中的字符。这样可以将图片中的字符识别工作分散给千千万万的网络用户,从而增加图片中字符的识别效率。
合作网站获取指定服务器的数据库中的子图片及子图片编码的方法可以采用如下两种方式之一:①合作网站主动向指定服务器请求子图片及该子图片的编码;②指定服务器向合作网站分发子图片及该子图片的编码,合作网站被动接收。
合作网站不论主动还是被动从指定服务器的数据库中获得子图片和子图片编码,其获得的优先顺序为:优先获取数据库中识别内容相似度低的子图片,在同等情况下,获取识别次数少的子图片,再同等条件下,在该范围内随机分发。所述相似度是指对于同一子图片,多次输入文字内容中相同的次数与输入的总次数的比值。例如,假设某子图片字符被用户输入过100次,其中,50个用户输入的字符相同,则该子图片的相似度为50%。相似度低的子图片表明该子图片中的字符难识别,可以通过增加用户识别次数的方式提高识别的准确率。
在合作网站用户输入子图片中字符后,费用清分装置16统计该合作网站用户输入的字符数量,依据字符数量向合作网站付费。
(4)存储装置14在合作网站用户输入作为验证码的子图片中的字符后,将输入的字符连同该字符所对应的子图片编码提交到指定服务器的数据库存储。
(5)合成装置15依据指定服务器的数据库中记录的子图片编码及该子图片的字符,经过统计合并出对应图片文件的全文电子文档。
在合并时,对于每个子图片,以用户输入相同次数最多的字符作为该子图片的字符。例如,对于含有“个人”字符的子图片,如果有100个用户输入了该子图片中的字符,90个用户输入“个人”,10个用户输入了“人人”,则将“个人”作为该子图片包含的字符。这样,可以提高字符识别的准确性。
本发明将纸质文献扫描后生成的图片文件中的字符内容进行切分,将切分后的子图片作为合作网站的验证码,从而在网站用户输入验证码时,实现了子图片中字符的识别。数以千万计的互联网用户可以在上网的同时进行文献字符数字化的转换处理,转换后的字符根据子图片编码进行拼接合成。这种方法大大的提高了文献数字化的处理效率,而且可以保证文献中字符识别的准确性,为数字化图书馆的建设提供了强有力的技术保障。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种图文识别方法,包括以下步骤:
(1)对图片文件进行预处理,删除图片中非字符内容;
(2)将图片切分成设定长度和高度的子图片,并标注每个子图片的编码,将子图片连同该子图片的编码存入指定服务器的数据库中;
(3)合作网站获取指定服务器的数据库中的子图片及该子图片的编码,将子图片作为该合作网站的验证码;
(4)合作网站用户输入作为验证码的子图片中字符后,将输入的字符连同该字符所对应的子图片编码提交到指定服务器的数据库存储;
(5)依据指定服务器的数据库中记录的子图片编码及该子图片的字符,经过统计合并出对应图片文件的全文电子文档。
2.如权利要求1所述的图文识别方法,其特征在于:步骤(2)中所述切分的顺序与文档中的字符排列顺序相同。
3.如权利要求2所述的图文识别方法,其特征在于:步骤(2)中所述切分的方法如下:按照字符行/列及行/列方向,先将图片切分成若干字符行/列,再将每个字符行/列按照设定长度和高度切分成若干子图片。
4.如权利要求3所述的图文识别方法,其特征在于:步骤(2)中所述子图片的编码包括该子图片所在字符行/列数、及其在行/列中的序号。
5.如权利要求4所述的图文识别方法,其特征在于:所述子图片编码中还包含该子图片的归属信息。
6.如权利要求5所述的图文识别方法,其特征在于:步骤(2)中将子图片编码作为该子图片的文件名。
7.如权利要求1至6之一所述的图文识别方法,其特征在于:步骤(2)中所述设定长度为图片中2至6个连续字符的平均长度,所述设定高度大于字符的高度。
8.如权利要求7所述的图文识别方法,其特征在于:如果某行/列长度不能被整切分,则最后一个子图片长度可以小于设定长度。
9.如权利要求1至6之一所述的图文识别方法,其特征在于:步骤(3)中所述合作网站获取指定服务器的数据库中的子图片及该子图片的编码方法如下:
合作网站主动向指定服务器请求子图片及该子图片的编码;或者指定服务器向合作网站分发子图片及该子图片的编码,合作网站被动接受。
10.如权利要求9所述的图文识别方法,其特征在于:合作网站获取指定服务器子图片的优先顺序如下:
优先获取数据库中识别内容相似度低的子图片,在同等情况下,获取识别次数少的子图片,再同等条件下,在该范围内随机分发;
所述相似度是指对于同一子图片,多次输入文字内容中相同的次数与输入的总次数的比值。
11.如权利要求1至6之一所述的图文识别方法,其特征在于:步骤(4)中还包括统计各合作网站用户输入的字符数量的步骤,依据字符数量向合作网站付费。
12.如权利要求1至6之一所述的图文识别方法,其特征在于:步骤(5)中,合并对应图片文件的全文电子文档时,对于每个子图片,以用户输入相同次数最多的字符作为该子图片的字符。
13.一种图文识别系统,包括:
预处理装置(11),用于对图片文件进行预处理,删除图片中非字符内容;
切分装置(12),用于将图片切分成设定长度和高度的子图片,并标注每个子图片的编码,将子图片连同该子图片的编码存入服务器(17)的数据库中;
合作网站(13),用于获取服务器(17)的数据库中的子图片及该子图片的编码,将子图片作为该合作网站的验证码;
存储装置(14),用于在合作网站(13)用户输入作为验证码的子图片中字符后,将输入的字符连同该字符所对应的子图片编码提交到服务器(17)的数据库存储;
合成装置(15),用于依据服务器(17)的数据库中记录的子图片编码及该子图片的字符,经过统计合并出对应图片文件的全文电子文档。
14.如权利要求13所述的图文识别系统,其特征在于:所述系统还包括用于统计各合作网站用户输入的字符数量,并根据字符数量计算费用的费用清分装置(16)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105306602A CN102467653A (zh) | 2010-10-29 | 2010-10-29 | 一种图文识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105306602A CN102467653A (zh) | 2010-10-29 | 2010-10-29 | 一种图文识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102467653A true CN102467653A (zh) | 2012-05-23 |
Family
ID=46071278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105306602A Pending CN102467653A (zh) | 2010-10-29 | 2010-10-29 | 一种图文识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102467653A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867025A (zh) * | 2012-08-23 | 2013-01-09 | 百度在线网络技术(北京)有限公司 | 一种获取图片标注数据的方法和装置 |
CN104281831A (zh) * | 2013-07-02 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 一种笔迹验证的方法和装置 |
CN104376317A (zh) * | 2013-08-12 | 2015-02-25 | 福建福昕软件开发股份有限公司北京分公司 | 一种将纸质文件转换为电子文件的方法 |
CN105022746A (zh) * | 2014-04-25 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 一种字库生成的方法、服务器及系统 |
CN106203435A (zh) * | 2016-07-13 | 2016-12-07 | 广州安望信息科技有限公司 | 图文识别方法及其装置 |
CN106599671A (zh) * | 2015-10-20 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种基于用户填写验证码来进行图片识别的方法及装置 |
CN108985299A (zh) * | 2018-06-29 | 2018-12-11 | 海南纽康信息系统有限公司 | 一种基于个人信息安全的互联网数据入力方法及系统 |
CN109472833A (zh) * | 2018-10-16 | 2019-03-15 | 深圳壹账通智能科技有限公司 | 一种从日志文件中提取图片的方法、存储介质和服务器 |
CN109766893A (zh) * | 2019-01-09 | 2019-05-17 | 北京数衍科技有限公司 | 适于购物小票的图片文字识别方法 |
WO2019170060A1 (zh) * | 2018-03-05 | 2019-09-12 | 深圳大学 | 一种基于图像认证的医学影像标注方法、装置、用户终端和计算机可读存储介质 |
CN111783066A (zh) * | 2020-07-07 | 2020-10-16 | 中国联合网络通信集团有限公司 | 文字识别方法、系统、计算机设备及存储介质 |
CN112487220A (zh) * | 2020-11-30 | 2021-03-12 | 广东小天才科技有限公司 | 一种笔记生成方法、智能终端及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196994A (zh) * | 2007-12-26 | 2008-06-11 | 腾讯科技(深圳)有限公司 | 图片内容识别方法及识别系统 |
CN101388078A (zh) * | 2008-09-27 | 2009-03-18 | 腾讯科技(深圳)有限公司 | 基于验证的文本识别的方法及装置 |
CN101464903A (zh) * | 2009-01-09 | 2009-06-24 | 江阴明伦科技有限公司 | 一种利用web方式进行OCR图文识别检索方法和系统 |
-
2010
- 2010-10-29 CN CN2010105306602A patent/CN102467653A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196994A (zh) * | 2007-12-26 | 2008-06-11 | 腾讯科技(深圳)有限公司 | 图片内容识别方法及识别系统 |
CN101388078A (zh) * | 2008-09-27 | 2009-03-18 | 腾讯科技(深圳)有限公司 | 基于验证的文本识别的方法及装置 |
CN101464903A (zh) * | 2009-01-09 | 2009-06-24 | 江阴明伦科技有限公司 | 一种利用web方式进行OCR图文识别检索方法和系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867025A (zh) * | 2012-08-23 | 2013-01-09 | 百度在线网络技术(北京)有限公司 | 一种获取图片标注数据的方法和装置 |
CN104281831A (zh) * | 2013-07-02 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 一种笔迹验证的方法和装置 |
CN104281831B (zh) * | 2013-07-02 | 2017-10-13 | 阿里巴巴集团控股有限公司 | 一种笔迹验证的方法和装置 |
CN104376317A (zh) * | 2013-08-12 | 2015-02-25 | 福建福昕软件开发股份有限公司北京分公司 | 一种将纸质文件转换为电子文件的方法 |
CN104376317B (zh) * | 2013-08-12 | 2018-12-14 | 福建福昕软件开发股份有限公司北京分公司 | 一种将纸质文件转换为电子文件的方法 |
CN105022746B (zh) * | 2014-04-25 | 2019-08-06 | 腾讯科技(深圳)有限公司 | 一种字库生成的方法、服务器及系统 |
CN105022746A (zh) * | 2014-04-25 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 一种字库生成的方法、服务器及系统 |
CN106599671A (zh) * | 2015-10-20 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种基于用户填写验证码来进行图片识别的方法及装置 |
WO2017067398A1 (zh) * | 2015-10-20 | 2017-04-27 | 阿里巴巴集团控股有限公司 | 一种基于用户填写验证码来进行图片识别的方法及装置 |
CN106599671B (zh) * | 2015-10-20 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 一种基于用户填写验证码来进行图片识别的方法及装置 |
CN106203435A (zh) * | 2016-07-13 | 2016-12-07 | 广州安望信息科技有限公司 | 图文识别方法及其装置 |
WO2019170060A1 (zh) * | 2018-03-05 | 2019-09-12 | 深圳大学 | 一种基于图像认证的医学影像标注方法、装置、用户终端和计算机可读存储介质 |
CN108985299A (zh) * | 2018-06-29 | 2018-12-11 | 海南纽康信息系统有限公司 | 一种基于个人信息安全的互联网数据入力方法及系统 |
CN109472833A (zh) * | 2018-10-16 | 2019-03-15 | 深圳壹账通智能科技有限公司 | 一种从日志文件中提取图片的方法、存储介质和服务器 |
CN109766893A (zh) * | 2019-01-09 | 2019-05-17 | 北京数衍科技有限公司 | 适于购物小票的图片文字识别方法 |
CN111783066A (zh) * | 2020-07-07 | 2020-10-16 | 中国联合网络通信集团有限公司 | 文字识别方法、系统、计算机设备及存储介质 |
CN111783066B (zh) * | 2020-07-07 | 2023-10-27 | 中国联合网络通信集团有限公司 | 文字识别方法、系统、计算机设备及存储介质 |
CN112487220A (zh) * | 2020-11-30 | 2021-03-12 | 广东小天才科技有限公司 | 一种笔记生成方法、智能终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102467653A (zh) | 一种图文识别方法及系统 | |
CN108960223B (zh) | 基于票据智能识别自动生成凭证的方法 | |
CN101794311B (zh) | 基于模糊数据挖掘的中文网页自动分类方法 | |
CN100458773C (zh) | 信息处理装置和信息处理方法 | |
Embley et al. | Table-processing paradigms: a research survey | |
Smith et al. | Infectious texts: Modeling text reuse in nineteenth-century newspapers | |
JP6303594B2 (ja) | 単一セル中の画像データ及びシンボルデータによるテーブルのソート及びフィルタリング | |
CN101354727B (zh) | 一种建立数字文档目录与正文之间链接的方法及装置 | |
CN101542486A (zh) | 排序图 | |
CN108021715B (zh) | 基于语义结构特征分析的异构标签融合系统 | |
CN103258000A (zh) | 对网页中高频关键词进行聚类的方法及装置 | |
JP2004334339A (ja) | 情報処理装置及び情報処理方法ならびに記憶媒体、プログラム | |
CN102110170A (zh) | 一种具有信息发布和搜索功能的系统及信息发布方法 | |
US9298685B2 (en) | Automatic creation of multiple rows in a table | |
WO2011136766A1 (en) | System and method for automatically providing a graphical layout based on an example graphic layout | |
US10803233B2 (en) | Method and system of extracting structured data from a document | |
CN103778141A (zh) | 一种混合pdf图书目录自动抽取算法 | |
CN106682236A (zh) | 基于机器学习的专利数据处理方法及其处理系统 | |
CN101567063A (zh) | 信息管理系统、帐票定义管理服务器以及信息管理方法 | |
CN101581981A (zh) | 一种在普通纸上手写中文直接形成中文文本的方法和系统 | |
CN114021543B (zh) | 基于表格结构解析的文档比对分析方法及系统 | |
CN115116082A (zh) | 一种基于ocr识别算法的一键成档系统 | |
CN103258021A (zh) | 一种基于行为分析的字符终端特征数据提取方法 | |
US11657367B2 (en) | Workflow support apparatus, workflow support system, and non-transitory computer readable medium storing program | |
Zhang et al. | The CADAL calligraphic database |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120523 |