CN110162757B - 一种表格结构提取方法及系统 - Google Patents
一种表格结构提取方法及系统 Download PDFInfo
- Publication number
- CN110162757B CN110162757B CN201910353932.7A CN201910353932A CN110162757B CN 110162757 B CN110162757 B CN 110162757B CN 201910353932 A CN201910353932 A CN 201910353932A CN 110162757 B CN110162757 B CN 110162757B
- Authority
- CN
- China
- Prior art keywords
- picture
- neural network
- network model
- labels
- training
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 18
- 238000003062 neural network model Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims description 64
- 230000006870 function Effects 0.000 claims description 18
- 238000002372 labelling Methods 0.000 claims description 18
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013434 data augmentation Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 4
- 239000000523 sample Substances 0.000 claims 1
- 230000009466 transformation Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
- G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种表格结构提取方法及系统,其中所述方法包括将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注;对所述图片标注进行处理,获得对应的表格结构。应用本发明所述方案,能够进行自动化的表格结构提取,节约大量的人力成本;同时对表格图片的旋转、模糊以及表格图片中的噪声不敏感,具有广泛的适用性。
Description
【技术领域】
本发明涉及计算机应用技术,特别涉及表格结构提取方法及系统。
【背景技术】
表格是由行与列构成的一种组织、整理数据的有效手段,其清晰、可视化的交流模式,使其在数据分析、科学研究甚至大众的生活中被广泛使用。而表格的存在形式主要有计算机电子表格、纸质印刷表格两种,由于其不同的应用场景,经常会有在两种方式间转换的需求。电子表格到纸质表格通过打印即可,而纸质印刷表格到电子表格通常有两种方式:1.按照表格的样式,进行人工录入计算机;2.扫描、拍照成图片,然后在计算机上对扫描、拍照获取的图片进行表格提取。在纸质印刷表格到电子表格的转换过程中,人工录入的工作量较大、成本较高,而通过计算机处理又对扫描、拍照的要求较高,表格倾斜、旋转、模糊都会限制对表格的提取。
【发明内容】
本申请的多个方面提供了表格结构提取方法、系统、设备及存储介质,能够进行自动化的表格结构提取。
本申请的一方面,提供一种表格结构提取方法,包括:将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注;
对所述图片标注进行处理,获得对应的表格结构。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,将表格图片输入预先训练的神经网络模型之前,所述方法还包括,对所述表格图片进行预处理,增强表格结构部分。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述神经网络模型是通过以下步骤训练得到的:对数据集中的表格图片进行人工标注,得到对应的文本标注;将所述文本标注转换为图片标注;将带有图片标注的表格图片作为预设神经网络模型的输入,得到预测的图片标注;根据所述图片标注与所述预测输出的欧氏距离作为损失函数;通过回归训练更新所述预设神经网络模型直到满足预设训练条件。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述神经网络模型为全卷积神经网络模型。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述更新所述预设神经网络模型直到满足预设训练条件包括:通过所述图片标注与所述预测输出的欧氏距离,来更新预设神经网络模型中的参数;
重复训练直到网络参数收敛或到达最大迭代次数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述文本标注为使用所述表格图片中的直线的端点坐标进行的标注。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述将所述文本标注转换为图片标注包括:根据所述文本标注,生成对应表格图片中的竖线、横线、交点的三个图片作为图片标注。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述将所述文本标注转换为图片标注之后还包括:利用随机生成的仿射矩阵,进行表格图片、对应的图片标注的相同位置进行裁剪,将裁剪得到的表格图片、对应的图片标注加入数据集。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述对所述图片标签进行处理,获得对应的表格结构包括:对所述对应表格图片中的竖线、横线、交点的三个图片标注进行图像处理,获取对应的坐标信息,生成对应的表格结构。
本发明的另一方面,提供一种表格结构提取系统,包括:
图片标注获取模块,用于将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注;
图像处理模块,用于对所述图片标注进行处理,获得对应的表格结构。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述系统还包括图像增强模块,用于将表格图片输入预先训练的神经网络模型之前,对所述表格图片进行预处理,增强表格结构部分。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述系统还包括训练模块,用于训练得到所述神经网络模型,包括:人工标注子模块,用于对数据集中的表格图片进行人工标注,得到对应的文本标注;转换子模块,用于将所述文本标注转换为图片标注;预测子模块,用于将带有图片标注的表格图片作为预设神经网络模型的输入,得到预测的图片标注;函数构造子模块,用于根据所述图片标注与所述预测输出的欧氏距离作为损失函数;回归训练子模块,用于通过回归训练更新所述预设神经网络模型直到满足预设训练条件。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述神经网络模型为全卷积神经网络模型。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,回归训练子模块具体用于:通过所述图片标注与所述预测输出的欧氏距离,来更新预设神经网络模型中的参数;重复训练直到网络参数收敛或到达最大迭代次数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述文本标注为使用所述表格图片中的直线的端点坐标进行的标注。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述转换子模块具体用于:根据所述文本标注,生成对应表格图片中的竖线、横线、交点的三个图片作为图片标注。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述训练模块还包括训练数据增广子模块,用于在将所述文本标注转换为图片标注之后,利用随机生成的仿射矩阵,进行表格图片、对应的图片标注的相同位置进行裁剪,将裁剪得到的表格图片、对应的图片标注加入数据集。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述图像处理模块具体用于:对所述对应表格图片中的竖线、横线、交点的三个图片标注进行图像处理,获取对应的坐标信息,生成对应的表格结构。
本发明的另一方面,提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
本发明的另一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出,采用本发明所述方案,能够进行自动化的表格结构提取,节约大量的人力成本;同时对表格图片的旋转、模糊以及表格图片中的噪声不敏感,具有广泛的适用性。
【附图说明】
图1为本发明所述表格结构提取方法的流程图;
图2为表格图片与对应的图片标注的示意图;
图3为利用仿射矩阵进行数据增广的示意图;
图4为本发明所述表格结构提取系统的结构图;
图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
图1为本发明所述表格结构提取方法实施例的流程图,如图1所示,包括以下步骤:
步骤S11、将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注;
步骤S12、对所述图片标注进行处理,获得对应的表格结构。
在步骤S11的一种优选实现方式中,
将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注。
优选地,将表格图片输入预先训练的神经网络模型之前,所述方法还包括,对所述表格图片进行预处理,增强表格结构部分。所述预处理可以是整体增强或者低通滤波处理。这是为了应对表格线条过细、不清晰、表格图片存在噪声等情况,以进一步增强神经网络模型输出的准确性。
优选地,所述神经网络模型是通过以下步骤训练得到的:
对数据集中的表格图片进行人工标注,得到对应的文本标注;
将所述文本标注转换为图片标注;
将带有图片标注的表格图片作为预设神经网络模型的输入,得到预测的图片标注;
根据所述图片标注与所述预测输出的欧氏距离作为损失函数;
通过回归训练更新所述预设神经网络模型直到满足预设训练条件。
优选地,所述神经网络模型为全卷积神经网络模型。
优选地,收集大量的表格图片作为数据集,对数据集中的每一个表格图片进行人工标注。由于表格结构提取即是表格线的提取,所以此处的标注信息为表格中的线,假如表格图片中表格的两点A和B之间存在直线,则可以使用[A(x1,y1),B(x2,y2)]表示标注的这条线,对表格图片中的每一条直线进行标注。经过此流程,表格图片数据集的基础上额外获得一个文本标注,与表格图片数据集中的表格图片一一对应。
优选地,为了便于模型的训练,需要对所述文本标注进行进一步的处理,将其转换为图片标注。
优选地,如图2所示,所述图片标注包括三幅图像,分别对应表格中的竖线、横线、交点。
优选地,由于特殊的表格表头有斜向的,因此,所述图片标注还包括第四幅图像,对应表格中的斜线。
优选地,将表格图片及对应的图片标注作为所述预设神经网络模型的训练数据。
优选地,为了加强模型的泛化能力,同时也降低数据收集、标注阶段的工作量,
在深度学习中,为了避免出现过拟合(Overfitting),通常需要输入充足的数据量,若数据量比较小,则需要进行数据的增广。图片和图片标注数据并不是直接输入模型进行训练的,而是先进行数据的增广,然后再输入网络进行训练。
优选地,如图3所示随机生成一个仿射矩阵,用于从表格图片及图片标注的相同位置同步裁剪出一个区域,保证裁剪后的表格图片及图片标注仍是对应的关系。将裁剪后的表格图片及图片标注作为所述预设神经网络模型的训练数据,从而在不增加人工标注成本的情况下,极大的增加了训练数据集中的训练数据数量。
优选地,还可以采用旋转或反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动、颜色变换。在本申请中并不进行具体限定。
优选地,所述更新所述预设神经网络模型直到满足预设训练条件包括:通过所述图片标注与所述预测输出的欧氏距离,来更新预设神经网络模型中的参数;重复训练直到网络参数收敛或到达最大迭代次数。
优选地,判断与当前输出对应的损失函数是否为最小值。若是,输出将对应的参数作为神经网络模型的参数;否则,重复训练直至损失函数为最小值。
优选地,训练到一定阶段后,网络的预测输出与图片标签的差距足够小,得到一个全卷积神经网络模型,例如Resnet50或ResNet110。
优选地,将待提取表格结构的表格图片输入经过上述训练步骤得到的预先训练的神经网络模型中,即可得到输出的对应的图片标注,包括三幅图像,分别对应表格中的竖线、横线、交点。
在步骤S12的一种优选实现方式中,
对所述图片标注进行处理,获得对应的表格结构。
优选地,对所述对应表格图片中的竖线、横线、交点的三个图片标注进行图像处理,获取对应的坐标信息,生成对应的表格结构。
优选地,所述图像处理操作用于识别所述图片标注中的线、点,并获取对应的坐标信息,将三个图片标注中的线、点相结合,生成所述表格图片对应的表格结构。
优选地,所述预设的神经网络模型为全卷积神经网络模型,因此,对输入的表格图片大小没有特殊要求,无需将输入的表格图片进行图像尺寸调整。
通过本发明所述实施例,仅需一次离线模型训练过程(包括数据收集、标注),即可训练出一个表格结构提取的神经网络模型,用于自动化的表格结构提取。可以节约大量的人力成本,同时对图片的旋转、模糊以及图像中的噪声等不敏感,具有非常广泛的适用性。通过对训练数据的增广,可以进一步节约人力成本。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图4为本发明所述表格结构提取系统实施例的结构图,如图4所示,包括:
图片标注获取模块41、将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注;
图像处理模块42、对所述图片标注进行处理,获得对应的表格结构。
在图片标注获取模块41的一种优选实现方式中,
所述图片标注获取模块41,用于将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注。
优选地,将表格图片输入预先训练的神经网络模型之前,所述系统还包括图像增强模块,用于将表格图片输入预先训练的神经网络模型之前,对所述表格图片进行预处理,增强表格结构部分。所述预处理可以是整体增强或者低通滤波处理。这是为了应对表格线条过细、不清晰、表格图片存在噪声等情况,以进一步增强神经网络模型输出的准确性。
优选地,所述系统还包括训练模块43,用于训练得到所述神经网络模型,包括:
人工标注子模块431,用于对数据集中的表格图片进行人工标注,得到对应的文本标注;
转换子模块432,用于将所述文本标注转换为图片标注;
预测子模块433,用于将带有图片标注的表格图片作为预设神经网络模型的输入,得到预测的图片标注;
函数构造子模块434,用于根据所述图片标注与所述预测输出的欧氏距离作为损失函数;
回归训练子模块435,用于通过回归训练更新所述预设神经网络模型直到满足预设训练条件。
优选地,所述神经网络模型为全卷积神经网络模型。
优选地,所述人工标注子模块431,用于收集大量的表格图片作为数据集,对数据集中的每一个表格图片进行人工标注。由于表格结构提取即是表格线的提取,所以此处的标注信息为表格中的线,假如表格图片中表格的两点A和B之间存在直线,则可以使用[A(x1,y1),B(x2,y2)]表示标注的这条线,对表格图片中的每一条直线进行标注。经过此流程,表格图片数据集的基础上额外获得一个文本标注,与表格图片数据集中的表格图片一一对应。
优选地,为了便于模型的训练,需要转换子模块432,用于对所述文本标注进行进一步的处理,将其转换为图片标注。
优选地,如图2所示,所述图片标注包括三幅图像,分别对应表格中的竖线、横线、交点。
优选地,由于特殊的表格表头有斜向的,因此,所述图片标注还包括第四幅图像,对应表格中的斜线。
优选地,预测子模块用于将表格图片及对应的图片标注作为所述预设神经网络模型的训练数据输入,得到预测的图片标注。
优选地,为了加强模型的泛化能力,同时也降低数据收集、标注阶段的工作量,
在深度学习中,为了避免出现过拟合(Overfitting),通常需要输入充足的数据量,若数据量比较小,则需要训练数据增广子模块436进行数据的增广。图片和图片标注数据并不是直接输入模型进行训练的,而是先进行数据的增广,然后再输入网络进行训练。
优选地,如图3所示随机生成一个仿射矩阵,用于从表格图片及图片标注的相同位置同步裁剪出一个区域,保证裁剪后的表格图片及图片标注仍是对应的关系。将裁剪后的表格图片及图片标注作为所述预设神经网络模型的训练数据,从而在不增加人工标注成本的情况下,极大的增加了训练数据集中的训练数据数量。
优选地,还可以采用旋转或反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动、颜色变换。在本申请中并不进行具体限定。
优选地,所述回归训练子模块435,更新所述预设神经网络模型直到满足预设训练条件包括:通过所述图片标注与所述预测输出的欧氏距离,来更新预设神经网络模型中的参数;重复训练直到网络参数收敛或到达最大迭代次数。
优选地,判断与当前输出对应的损失函数是否为最小值。若是,输出将对应的参数作为神经网络模型的参数;否则,重复训练直至损失函数为最小值。
优选地,训练到一定阶段后,网络的预测输出与图片标签的差距足够小,得到一个全卷积神经网络模型,例如Resnet50或ResNet110。
优选地,将待提取表格结构的表格图片输入经过上述训练步骤得到的预先训练的神经网络模型中,即可得到输出的对应的图片标注,包括三幅图像,分别对应表格中的竖线、横线、交点。
在图像处理模块42的一种优选实现方式中,
所述图像处理模块42,用于对所述图片标注进行处理,获得对应的表格结构。
优选地,对所述对应表格图片中的竖线、横线、交点的三个图片标注进行图像处理,获取对应的坐标信息,生成对应的表格结构。
优选地,所述图像处理操作用于识别所述图片标注中的线、点,并获取对应的坐标信息,将三个图片标注中的线、点相结合,生成所述表格图片对应的表格结构。
优选地,所述预设的神经网络模型为全卷积神经网络模型,因此,对输入的表格图片大小没有特殊要求,无需将输入的表格图片进行图像尺寸调整。
通过本发明所述实施例,仅需一次离线模型训练过程(包括数据收集、标注),即可训练出一个表格结构提取的神经网络模型,用于自动化的表格结构提取。可以节约大量的人力成本,同时对图片的旋转、模糊以及图像中的噪声等不敏感,具有非常广泛的适用性。通过对训练数据的增广,可以进一步节约人力成本。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的终端和服务器的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理器中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图5显示的计算机系统/服务器012仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于:一个或者多个处理器或者处理器016,系统存储器028,连接不同系统组件(包括系统存储器028和处理器016)的总线018。
总线018表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器028可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统034可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040,可以存储在例如存储器028中,这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信,在本发明中,计算机系统/服务器012与外部雷达设备进行通信,还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信,和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且,计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白,尽管图5中未示出,可以结合计算机系统/服务器012使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器016通过运行存储在系统存储器028中的程序,从而执行本发明所描述的实施例中的功能和/或方法。
上述的计算机程序可以设置于计算机存储介质中,即该计算机存储介质被编码有计算机程序,该程序在被一个或多个计算机执行时,使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。
随着时间、技术的发展,介质含义越来越广泛,计算机程序的传播途径不再受限于有形介质,还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理器中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (18)
1.一种表格结构提取方法,其特征在于,包括:
将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注;
对所述图片标注进行处理,获得对应的表格结构;其中,
所述神经网络模型是通过以下步骤训练得到的:
对数据集中的表格图片进行人工标注,得到对应的文本标注;
将所述文本标注转换为图片标注;
将带有图片标注的表格图片作为预设神经网络模型的输入,得到预测的图片标注;其中,所述带有图片标注的表格图片包括经过随机生成的仿射矩阵所裁剪处理后的表格图片;
根据所述图片标注与所述预测输出的欧氏距离作为损失函数;
通过回归训练更新所述预设神经网络模型直到满足预设训练条件。
2.根据权利要求1所述的方法,其特征在于,
将表格图片输入预先训练的神经网络模型之前,所述方法还包括,
对所述表格图片进行预处理,增强表格结构部分。
3.根据权利要求1所述的方法,其特征在于,
所述神经网络模型为全卷积神经网络模型。
4.根据权利要求1所述的方法,其特征在于,
所述更新所述预设神经网络模型直到满足预设训练条件包括:
通过所述图片标注与所述预测输出的欧氏距离,来更新预设神经网络模型中的参数;
重复训练直到网络参数收敛或到达最大迭代次数。
5.根据权利要求1所述的方法,其特征在于,
所述文本标注为使用所述表格图片中的直线的端点坐标进行的标注。
6.根据权利要求5所述的方法,其特征在于,
所述将所述文本标注转换为图片标注包括:
根据所述文本标注,生成对应表格图片中的竖线、横线、交点的三个图片作为图片标注。
7.根据权利要求6所述的方法,其特征在于,
所述将所述文本标注转换为图片标注之后还包括:
利用随机生成的仿射矩阵,进行表格图片、对应的图片标注的相同位置进行裁剪,将裁剪得到的表格图片、对应的图片标注加入数据集。
8.根据权利要求6所述的方法,其特征在于,
所述对所述图片标注进行处理,获得对应的表格结构包括:
对所述对应表格图片中的竖线、横线、交点的三个图片标注进行图像处理,获取对应的坐标信息,生成对应的表格结构。
9.一种表格结构提取系统,其特征在于,包括:
图片标注获取模块,用于将表格图片输入预先训练的神经网络模型,得到输出的对应的图片标注;
图像处理模块,用于对所述图片标注进行处理,获得对应的表格结构;其中,
所述系统还包括训练模块,用于训练得到所述神经网络模型,包括:
人工标注子模块,用于对数据集中的表格图片进行人工标注,得到对应的文本标注;
转换子模块,用于将所述文本标注转换为图片标注;
预测子模块,用于将带有图片标注的表格图片作为预设神经网络模型的输入,得到预测的图片标注;其中,所述带有图片标注的表格图片包括经过随机生成的仿射矩阵所裁剪处理后的表格图片;
函数构造子模块,用于根据所述图片标注与所述预测输出的欧氏距离作为损失函数;
回归训练子模块,用于通过回归训练更新所述预设神经网络模型直到满足预设训练条件。
10.根据权利要求9所述的系统,其特征在于,
所述系统还包括图像增强模块,用于将表格图片输入预先训练的神经网络模型之前,对所述表格图片进行预处理,增强表格结构部分。
11.根据权利要求9所述的系统,其特征在于,
所述神经网络模型为全卷积神经网络模型。
12.根据权利要求9所述的系统,其特征在于,
回归训练子模块具体用于:
通过所述图片标注与所述预测输出的欧氏距离,来更新预设神经网络模型中的参数;
重复训练直到网络参数收敛或到达最大迭代次数。
13.根据权利要求9所述的系统,其特征在于,
所述文本标注为使用所述表格图片中的直线的端点坐标进行的标注。
14.根据权利要求13所述的系统,其特征在于,
所述转换子模块具体用于:
根据所述文本标注,生成对应表格图片中的竖线、横线、交点的三个图片作为图片标注。
15.根据权利要求14所述的系统,其特征在于,
所述训练模块还包括训练数据增广子模块,用于在将所述文本标注转换为图片标注之后,利用随机生成的仿射矩阵,进行表格图片、对应的图片标注的相同位置进行裁剪,将裁剪得到的表格图片、对应的图片标注加入数据集。
16.根据权利要求14所述的系统,其特征在于,
所述图像处理模块具体用于:
对所述对应表格图片中的竖线、横线、交点的三个图片标注进行图像处理,获取对应的坐标信息,生成对应的表格结构。
17.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~8中任一项所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353932.7A CN110162757B (zh) | 2019-04-29 | 2019-04-29 | 一种表格结构提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353932.7A CN110162757B (zh) | 2019-04-29 | 2019-04-29 | 一种表格结构提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110162757A CN110162757A (zh) | 2019-08-23 |
CN110162757B true CN110162757B (zh) | 2023-08-18 |
Family
ID=67633081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910353932.7A Active CN110162757B (zh) | 2019-04-29 | 2019-04-29 | 一种表格结构提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110162757B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866217A (zh) * | 2019-10-24 | 2020-03-06 | 长城计算机软件与系统有限公司 | 一种交叉报表的识别方法、装置、存储介质及电子设备 |
CN112183298A (zh) * | 2020-09-23 | 2021-01-05 | 上海蜜度信息技术有限公司 | 表格图片的标注方法、系统、介质及装置 |
CN113377980A (zh) * | 2021-06-24 | 2021-09-10 | 上海商汤科技开发有限公司 | 一种信息标注的方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881641A (zh) * | 2015-05-18 | 2015-09-02 | 上海交通大学 | 基于移动设备的问卷和表格数字化识别方法及系统 |
CN105574215A (zh) * | 2016-03-04 | 2016-05-11 | 哈尔滨工业大学深圳研究生院 | 一种基于多层特征表示的实例级图像搜索方法 |
CN106529609A (zh) * | 2016-12-08 | 2017-03-22 | 郑州云海信息技术有限公司 | 一种基于神经网络结构的图像识别方法及装置 |
CN107622233A (zh) * | 2017-09-11 | 2018-01-23 | 畅捷通信息技术股份有限公司 | 一种表格识别方法、识别系统及计算机装置 |
CN107679024A (zh) * | 2017-09-11 | 2018-02-09 | 畅捷通信息技术股份有限公司 | 识别表格的方法、系统、计算机设备、可读存储介质 |
CN107958201A (zh) * | 2017-10-13 | 2018-04-24 | 上海眼控科技股份有限公司 | 一种车辆年检保险单表格的智能检测系统及方法 |
CN108491788A (zh) * | 2018-03-20 | 2018-09-04 | 上海眼控科技股份有限公司 | 一种用于财务报表单元格的智能提取方法及装置 |
CN108805076A (zh) * | 2018-06-07 | 2018-11-13 | 浙江大学 | 环境影响评估报告书表格文字的提取方法及系统 |
CN108829683A (zh) * | 2018-06-29 | 2018-11-16 | 北京百度网讯科技有限公司 | 混合标注学习神经网络模型及其训练方法、装置 |
CN109086714A (zh) * | 2018-07-31 | 2018-12-25 | 国科赛思(北京)科技有限公司 | 表格识别方法、识别系统及计算机装置 |
CN109460769A (zh) * | 2018-11-16 | 2019-03-12 | 湖南大学 | 一种基于表格字符检测与识别的移动端系统与方法 |
CN109635627A (zh) * | 2018-10-23 | 2019-04-16 | 中国平安财产保险股份有限公司 | 图片信息提取方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL162878A0 (en) * | 2004-07-06 | 2005-11-20 | Hi Tech Solutions Ltd | Multi-level neural network based characters identification method and system |
-
2019
- 2019-04-29 CN CN201910353932.7A patent/CN110162757B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881641A (zh) * | 2015-05-18 | 2015-09-02 | 上海交通大学 | 基于移动设备的问卷和表格数字化识别方法及系统 |
CN105574215A (zh) * | 2016-03-04 | 2016-05-11 | 哈尔滨工业大学深圳研究生院 | 一种基于多层特征表示的实例级图像搜索方法 |
CN106529609A (zh) * | 2016-12-08 | 2017-03-22 | 郑州云海信息技术有限公司 | 一种基于神经网络结构的图像识别方法及装置 |
CN107622233A (zh) * | 2017-09-11 | 2018-01-23 | 畅捷通信息技术股份有限公司 | 一种表格识别方法、识别系统及计算机装置 |
CN107679024A (zh) * | 2017-09-11 | 2018-02-09 | 畅捷通信息技术股份有限公司 | 识别表格的方法、系统、计算机设备、可读存储介质 |
CN107958201A (zh) * | 2017-10-13 | 2018-04-24 | 上海眼控科技股份有限公司 | 一种车辆年检保险单表格的智能检测系统及方法 |
CN108491788A (zh) * | 2018-03-20 | 2018-09-04 | 上海眼控科技股份有限公司 | 一种用于财务报表单元格的智能提取方法及装置 |
CN108805076A (zh) * | 2018-06-07 | 2018-11-13 | 浙江大学 | 环境影响评估报告书表格文字的提取方法及系统 |
CN108829683A (zh) * | 2018-06-29 | 2018-11-16 | 北京百度网讯科技有限公司 | 混合标注学习神经网络模型及其训练方法、装置 |
CN109086714A (zh) * | 2018-07-31 | 2018-12-25 | 国科赛思(北京)科技有限公司 | 表格识别方法、识别系统及计算机装置 |
CN109635627A (zh) * | 2018-10-23 | 2019-04-16 | 中国平安财产保险股份有限公司 | 图片信息提取方法、装置、计算机设备及存储介质 |
CN109460769A (zh) * | 2018-11-16 | 2019-03-12 | 湖南大学 | 一种基于表格字符检测与识别的移动端系统与方法 |
Non-Patent Citations (1)
Title |
---|
Performance Enhancement of Deep Reinforcement Learning Networks Using Feature Extraction;Joaquin Ollero 等;《International Symposium on Neural Networks》;208-218 * |
Also Published As
Publication number | Publication date |
---|---|
CN110162757A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10902300B2 (en) | Method and apparatus for training fine-grained image recognition model, fine-grained image recognition method and apparatus, and storage mediums | |
CN109801347B (zh) | 一种可编辑图像模板的生成方法、装置、设备和介质 | |
CN110162757B (zh) | 一种表格结构提取方法及系统 | |
CN108108342B (zh) | 结构化文本的生成方法、检索方法及装置 | |
CN112418216B (zh) | 一种复杂自然场景图像中的文字检测方法 | |
CN108090043B (zh) | 基于人工智能的纠错举报处理方法、装置及可读介质 | |
CN108897869B (zh) | 语料标注方法、装置、设备和存储介质 | |
CN109857388B (zh) | 代码生成方法、装置、服务器及计算机可读介质 | |
CN105631393A (zh) | 信息识别方法及装置 | |
CN113705554A (zh) | 图像识别模型的训练方法、装置、设备及存储介质 | |
US11017498B2 (en) | Ground truth generation from scanned documents | |
CN112232352B (zh) | 一种智能识别pcb图纸自动计价系统和方法 | |
EP3816855A2 (en) | Method and apparatus for extracting information, device, storage medium and computer program product | |
JP2021103552A (ja) | 構造化文書情報の標識方法、構造化文書情報の標識装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN112308077A (zh) | 样本数据获取方法、图像分割方法、装置、设备和介质 | |
CN115937887A (zh) | 文档结构化信息的提取方法及装置、电子设备、存储介质 | |
CN113177957B (zh) | 一种细胞图像的分割方法、装置、电子设备及存储介质 | |
CN114373460A (zh) | 车载语音助手的指令确定方法、装置、设备及介质 | |
CN113762455A (zh) | 检测模型训练方法、单字检测方法、装置、设备及介质 | |
CN116774973A (zh) | 数据渲染方法、装置、计算机设备及存储介质 | |
CN111651971A (zh) | 一种表格信息转录方法、系统、电子设备和存储介质 | |
CN113807416B (zh) | 一种模型训练方法、装置、电子设备以及存储介质 | |
CN109558508B (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
CN111054072B (zh) | 一种角色模型拖尾的方法、装置、设备及存储介质 | |
CN109815307B (zh) | 位置确定方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |