CN110675121A - 图片类案卷材料的采集方法 - Google Patents
图片类案卷材料的采集方法 Download PDFInfo
- Publication number
- CN110675121A CN110675121A CN201910897316.8A CN201910897316A CN110675121A CN 110675121 A CN110675121 A CN 110675121A CN 201910897316 A CN201910897316 A CN 201910897316A CN 110675121 A CN110675121 A CN 110675121A
- Authority
- CN
- China
- Prior art keywords
- data
- picture
- file
- acquisition
- automatic
- 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
- 239000000463 material Substances 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012015 optical character recognition Methods 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 15
- 238000013499 data model Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 4
- 102100032202 Cornulin Human genes 0.000 claims description 3
- 101000920981 Homo sapiens Cornulin Proteins 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 4
- 238000010276 construction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Abstract
本发明公开了一种图片类案卷材料的采集方法，包括以下步骤：上传图片类案卷材料；根据上传的图片材料以及预设的案卷材料特征规则，对案卷材料及其他采集信息进行半自动化数据整理；根据采集规范的要求，对经过半自动化整理的临时数据，进一步整合、组织，得到需要采集入库的结果数据；利用统一、标准的数据处理接口，将结果数据保存至数据库。本发明结合配置化设计与非关系型数据库应用，实现对各类异构图片类案卷材料数据的采集；引入光学字符识别技术，一定程度上简化案卷材料采集的数据整理过程，提高采集效率，同时，识别提取图片类案卷材料的文本信息，提高数据利用率；引入分词技术与语义分析技术，对提取出的文本信息进行深度分析。
Description
技术领域
本发明涉及电子政务技术领域，特别是一种政府执法部门如何充分发挥执法数据应用效能的采集方法。
背景技术
政府执法部门行使着由国家赋予的执法权利，担负着维持社会稳定，维护法制精神的职责，是实现依法治国的重要组成部分。在对执法规范、执法效率、执法廉洁等各个方向上的探索与尝试，都反映出各执法部门对信息化建设的重视程度。如何充分借助科技力量，为执法活动提供有效支撑，是信息化建设的关键，这一定程度上取决于对执法活动数据化处理的深度。
近年来随着经济的发展、社会的进步，越来越多的执法部门愈加重视执法的规范化。其中，能否更有效的实现对案卷材料的信息化管理与应用，是解决执法规范化管理的关键所在。这在相关的执法领域中，已经开始得到关注，但现阶段仍处于起步探索的过程，缺乏一个完整的、成熟的、可复制的整体解决方案。在实现对案卷材料的信息化管理与应用的过程中，其主要难点在于：1)当前执法部门的业务开展并未完全实现信息化，处于信息化建设的中间过渡期，在实际的执法办案过程中，仍然存在大量的非结构化案卷材料需要采集，由于未对这部分非结构化数据作进一步有效地数据提取，导致无法对这部分数据所包含的大量信息进行更有效地利用，形成数据死角；2)由于案卷材料的种类繁多、采集字段不一、材料所属编目不同，这就决定了对应的采集交互界面的设计难度大；3)要满足案卷材料采集规范的要求实现数据采集，仅依靠人工整理的方式完成材料的归类采集，其操作繁琐，需要花费大量的时间与精力，难以提高案卷材料的采集效率；4)传统关系型数据库的范式设计，使得对这类结构复杂、包含非结构化数据的存储难度较大，不利于数据后期的管理、应用。
发明内容
本发明需要解决的技术问题是为执法办案信息化的建设提供一个全面的、高效的、通用的案卷材料采集方法，解决数据死角、交互界面设计复杂、采集效率低、数据存储难度大的问题，有效提高数据采集效率以及数据应用效能，为加强执法规范、提升执法效率准备条件。
本发明所采取的技术方案如下。
图片类案卷材料的采集方法，包括以下步骤：
A.根据所提供的用户交互页面以及操作向导，上传需要采集的图片类案卷材料；
B.在完成步骤A图片类案卷材料上传后，进行数据预处理，然后结合系统后台自动化数据整理与人工数据整理的半自动化数据整理方式，并根据特定的基于采集规范预设的规则，完成对案卷材料数据以及其他采集信息数据的加工、整理；
C.在经过步骤B的半自动化数据整理后，按照已设计的数据模型，对半自动化整理的临时数据集进行整合、组织，得到结果数据；
D.将步骤C中整合、组织所得的结果数据，存储到数据库。
进一步优化技术方案，所述步骤B包括以下具体步骤：
B1.为所有上传的图片类案卷材料文件创建唯一标识并建立图片文件与唯一标识的映射；
B2.将图片文件的内容以字节流的形式与图片文件对应的唯一标识一并传入后台；
B3.将传入到后台的图片文件内容数据转化为三阶张量；
B4.将步骤B3转化而得的三阶张量作为参数，传入后台提供的光学字符识别服务提供接口，获取服务返回的识别结果；
B5.根据一组特定的基于采集规范预设的规则，将步骤B4得到的光学字符识别服务返回的识别结果进行自动化数据整理；
B6.判断自动化整理数据是否满足采集规范的要求，如果是，则进行B8步骤；否则，进行B7步骤；
B7.按照采集规范的要求，对采集的案卷材料以及其他采集信息进行人工整理，完成后，进行B8步骤；
B8.完成半自动化数据整理后，把整理完毕的临时数据集提交至后台。
进一步优化技术方案，所述光学字符识别服务，是一组基于深度学习网络所构建的模型，并封装成一组基于web架构的、可供外部调用的接口，为外部提供服务。
进一步优化技术方案，所述基于深度学习网络构建的模型，主要实现了基于CTPN网络的文本检测模型、基于GAN对抗网络的超分辨率模型、基于CRNN的文字识别模型，其中：
文本检测模型用于检测图片文件出现文字的区域，便于后续做图片切割处理；
超分辨率模型用于解决因图片质量较模糊、部分文字区域有污迹而导致文字识别结果不准的问题；
文字识别模型用于对采集的图片文件进行文字识别，提取出图片包含的文本信息。
进一步优化技术方案，所述基于采集规范预设的规则，主要包括对采集模板以及要素提取的定义，其中：
采集模板定义是根据各类异构案卷材料配置不同的采集模板，主要包括三大类信息：模板分类、模板名称、案件编号、案件名称模板字段信息；模板包含的附属材料及相关字段信息；模板包含的附属清单及相关字段信息；
要素提取定义是对有固定格式的案卷材料进行要素提取规则的配置，包括前置规则与后置规则，结合分词技术以及语义分析技术的应用，提取出数据价值更高的要素信息。
进一步优化技术方案，所述自动化整理数据，是后台根据预设规则自动完成数据整理的过程，主要包括采集文件的自动归类编目与采集字段的信息回填两个处理过程，最终将自动化数据整理的结果返回到前端用户界面并进行渲染。
进一步优化技术方案，所述人工整理，是用户根据采集规范对自动化数据整理的结果进行比对，判断是否达到采集规范的要求，对于不符合要求的，可以在提供的用户界面进行调整，支持调整的包括采集文件的归类编目、采集文件的排序、无法自动化整理的文件、修改字段的回填信息、补充无法回填的字段信息。
进一步优化技术方案，所述临时数据集，是在经过自动化与人工的半自动化数据整理后，能通过用户界面表达的数据集合。
进一步优化技术方案，所述步骤C中，数据模型与结果数据，其中：
数据模型是根据案卷材料的采集规范与所使用的数据库预先设计好的；
结果数据是根据数据模型，通过对步骤B半自动化数据整理得到的临时数据集进行加工而得，是符合案卷材料采集规范的要求的；结果数据主要包括采集模板数据、非结构化的采集文件数据、光学字符识别结果数据、要素提取结果数据。
进一步优化技术方案，所述步骤D中，数据库主要采用非关系型数据库。
由于采用了以上技术方案，本发明所取得技术进步如下。
本发明通过采用配置化的方式实现对各类案卷材料的定义，形成对应的规则，定义的规则可以作为页面渲染、数据整理、数据存储的依据，这种包含配置化方式的采集方法，使得业务人员在不需要开发人员参与的情况下，即可通过所提供的配置功能，完成横向扩展，以满足大量结构不一的案卷材料的采集需求，同时，能一定程度减少开发人员的工作量，降低代码的耦合度；采用光学字符识别服务，可以从非结构化的图片类文件中识别出所包含的文本信息，解决数据死角问题；采用分词、语义分析技术，可以从图片的光学字符识别结果中提取更有价值的信息，在为其他上层应用提供数据支撑的同时，还可为所述采集方法的自动化数据整理以及人工数据整理提供辅助；采用非传统关系型数据库，除了基于非关系型数据库具有易于扩展、成本低廉等特性的考量以外，在需要处理大量异构数据与非结构化数据的应用场景下，可以很大程度地降低数据建模的难度，简化数据库操作组件代码的编写与维护。
附图说明
图1为本发明总体流程图；
图2为本发明步骤B的流程图。
具体实施方式
下面将结合附图，进一步对本发明的具体实施方式，进行完整、详细的描述。
本发明提供一种面向图片类案卷材料的采集方法，其流程图如图1所示，具体包括以下步骤：
A.在所提供的交互页面，按照操作向导的引导，把需要采集入库的图片案卷材料上传，支持JPG、PNG等格式文件；
B.对步骤A所上传的图片类案卷材料数据作进一步的数据预处理，然后结合系统后台自动化数据整理以及人工数据整理的半自动化数据整理方式，并根据一组基于采集规范预设的特定规则，完成案卷材料数据以及其他采集信息数据的整理；
自动化与人工数据整理的流程图如图2所示，具体包括以下步骤：
B1.利用特定的算法文件上传的图片文件创建全局唯一标识，并建立图片数据与唯一标识的映射关系；
B2.获取图片的字节流数据，并将图片文件的字节流数据与其映射的唯一标识，逐一传入后台；
B3.在后台获取图片数据后，将图片数据装载到一个作用等同于三阶张量的数据模型中，得到图片数据的三阶张量表达；
B4.将步骤B3得到的图片材料三阶张量数据，传至后台提供的光学字符识别服务，等待识别服务完成文字识别并返回对应相应的识别结果；
B5.结合步骤B4的光学字符识别结果以及特定的基于采集规范预设的规则，进行自动化的数据整理；
B6.用户根据采集规范的要求，对自动化数据整理的结果进行检查，如果满足采集规范要求的，则进行B8步骤，否则，进行B7步骤；
B7.由于自动化数据整理未能完全准确按照采集规范的要求整理数据，如模板识别错误、字段值识别错误、部分图片材料归类错误等等，采集人员需要通过人工干预的方式，对数据进行二次调整，以达到采集规范的要求，调整完成后，进行B8步骤；
B8.在完成之前一系列的数据上传、转化、识别、整理过程后，获得临时数据集，由于数据此时在前端，需要把临时数据集传入后台；
C.在步骤B完成数据的半自动化整理后，根据预先的接口约定，对临时数据集进行整合、封装，得到结果数据；
D.将步骤C中加工完成的结果数据，写入数据库。
本发明提供一种面向图片类案卷材料的采集方法，所述光学字符识别服务，是一组基于深度学习网络所构建的模型，并封装成一组基于web架构的、可供外部调用的接口，为外部提供服务。基于深度学习网络构建的模型，主要实现了基于CTPN网络的文本检测模型、基于GAN对抗网络的超分辨率模型、基于CRNN的文字识别模型。其中，文本检测模型，用于检测图片文件出现文字的区域，便于后续做图片切割等处理；超分辨率模型，用于解决因图片质量较模糊、部分文字区域有污迹而导致文字识别结果不准的问题；文字识别模型，用于对采集的图片文件进行文字识别，提取出图片包含的文本信息。
本发明所述基于采集规范预设的规则，是指对采集模板以及要素提取的定义。其中，采集模板定义，是根据各类异构案卷材料配置不同的采集模板，主要包括三大类信息，模板分类、模板名称、案件编号、案件名称等模板字段信息、附属材料及相关字段信息、附属清单及相关字段信息；要素提取定义，是对有固定格式的案卷材料，进行要素提取规则的配置，包括前置规则与后置规则，结合分词技术和语义分析技术的应用，提取出数据价值更高的要素信息。
本发明所述自动化整理数据，是后台根据预设规则自动完成数据整理的过程，主要包括采集文件的自动归类编目与采集字段的信息回填两个处理，最终将自动化数据整理的结果返回到前端用户界面并进行渲染。
本发明所述人工整理，是用户根据采集规范对自动化数据整理的结果进行比对，判断是否达到采集规范的要求，对于不符合要求的，可以在提供的用户界面进行调整，支持调整的包括采集文件的归类编目、采集文件的排序、无法自动化整理的文件、修改字段的回填信息、补充无法回填的字段信息。
本发明所述临时数据集，是在经过自动化与人工的半自动化数据整理后，能通过用户界面表达的数据集合。
本发明所述数据模型与结果数据。其中，数据模型是根据案卷材料的采集规范与所使用的数据库预先设计好的；结果数据是根据数据模型，通过对步骤B半自动化数据整理得到的临时数据集进行加工而得，是符合案卷材料采集规范的要求的。其中，结果数据主要包括采集模板数据、非结构化的采集文件数据、光学字符识别结果数据、要素提取结果数据。
本发明步骤D所述数据库，主要采用非关系型数据库。
采用本发明能够实现对各类案卷材料的定义，在不需要开发人员参与的情况下，通过所提供的配置功能，即可满足各类异构案卷材料的采集需求，一定程度降低代码的耦合度以及减少开发人员的工作量。采用光学字符识别服务可提取图片文本信息，提高数据利用率。采用分词、语义分析技术，可以从图片文字识别结果中提取更有价值的信息，一方面服务于其他应用的需要，一方面为数据采集提供辅助。采用非传统关系型数据库，可以很大程度降低数据建模的难度，且易于扩展。
以上所述仅为本发明的较佳实施例，并非本发明的唯一实施例，凡在本发明的原则与思想下所作的任何改动、替换等，均应包含在本发明的保护范围之内。
Claims (10)
1.图片类案卷材料的采集方法，其特征在于，包括以下步骤：
A.根据所提供的用户交互页面，依照页面的操作向导，上传需要采集的图片类案卷材料；
B.对步骤A上传的图片类案卷材料进行数据预处理，通过结合系统后台自动化数据整理以及人工数据整理的半自动化数据整理方式，依据一组特定的基于采集规范预设的规则，整理好案卷材料数据以及其他采集信息数据；
C.在步骤B通过结合自动化与人工的方式完成对采集数据的整理后，按照设计好的数据模型，对在步骤B中整理好的临时数据集进行整合、组织，得到结果数据；
D.将步骤C中加工好的结果数据，存储到数据库。
2.根据权利要求1所述的图片类案卷材料采集方法，其特征在于，所述步骤B包括以下具体步骤：
B1.为所有上传的图片类案卷材料文件创建唯一标识，建立图片文件与唯一标识的映射；
B2.将图片文件的内容以字节流的形式与图片文件对应的由步骤B1创建的唯一标识一并传入后台；
B3.后台接收到传入的数据后，将图片文件内容的字节流数据转化为三阶张量；
B4.调用光学字符识别服务提供的接口，将步骤B3得到的三阶张量传入，得到服务返回的识别结果；
B5.在步骤B4得到光学字符识别服务返回的识别结果后，根据一组特定的基于采集规范预设的规则，自动化整理数据；
B6.判断自动化整理数据是否已符合采集的要求，如果满足，则直接进行B8步骤；否则，可先进行B7步骤；
B7.根据案卷材料采集规范的要求，对需要采集的案卷材料以及其他采集信息进行人工整理，完成后进行B8步骤；
B8.将经过半自动化整理的临时数据集提交至后台。
3.根据权利要求2所述的图片类案卷材料采集方法，其特征在于，所述光学字符识别服务，是一组基于深度学习网络所构建的模型，并封装成一组基于web架构的、可供外部调用的接口，为外部提供服务。
4.根据权利要求3所述的图片类案卷材料采集方法，其特征在于，所述基于深度学习网络构建的模型，主要实现了基于CTPN网络的文本检测模型、基于GAN对抗网络的超分辨率模型、基于CRNN的文字识别模型，其中：
文本检测模型用于检测图片文件出现文字的区域，便于后续做图片切割处理；
超分辨率模型用于解决因图片质量较模糊、部分文字区域有污迹而导致文字识别结果不准的问题；
文字识别模型用于对采集的图片文件进行文字识别，提取出图片包含的文本信息。
5.根据权利要求2所述的图片类案卷材料采集方法，其特征在于，所述基于采集规范预设的规则，主要包括对采集模板以及要素提取的定义，其中：
采集模板定义是根据各类异构案卷材料配置不同的采集模板，主要包括三大类信息：模板分类、模板名称、案件编号、案件名称模板字段信息；模板包含的附属材料及相关字段信息；模板包含的附属清单及相关字段信息；
要素提取定义是对有固定格式的案卷材料进行要素提取规则的配置，包括前置规则与后置规则，结合分词技术以及语义分析技术的应用，提取出数据价值更高的要素信息。
6.根据权利要求2所述的图片类案卷材料采集方法，其特征在于，所述自动化整理数据，是后台根据预设规则自动完成数据整理的过程，主要包括采集文件的自动归类编目与采集字段的信息回填两个处理过程，最终将自动化数据整理的结果返回到前端用户界面并进行渲染。
7.根据权利要求2所述的图片类案卷材料采集方法，其特征在于，所述人工整理，是用户根据采集规范对自动化数据整理的结果进行比对，判断是否达到采集规范的要求，对于不符合要求的，可以在提供的用户界面进行调整，支持调整的包括采集文件的归类编目、采集文件的排序、无法自动化整理的文件、修改字段的回填信息、补充无法回填的字段信息。
8.根据权利要求2所述的图片类案卷材料采集方法，其特征在于，所述临时数据集，是在经过自动化与人工的半自动化数据整理后，能通过用户界面表达的数据集合。
9.根据权利要求1所述的图片类案卷材料采集方法，其特征在于，所述步骤C中，数据模型与结果数据，其中：
数据模型是根据案卷材料的采集规范与所使用的数据库预先设计好的；
结果数据是根据数据模型，通过对步骤B半自动化数据整理得到的临时数据集进行加工而得，是符合案卷材料采集规范的要求的；结果数据主要包括采集模板数据、非结构化的采集文件数据、光学字符识别结果数据、要素提取结果数据。
10.根据权利要求1所述的图片类案卷材料采集方法，其特征在于，所述步骤D中，数据库主要采用非关系型数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910897316.8A CN110675121A (zh) | 2019-09-23 | 2019-09-23 | 图片类案卷材料的采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910897316.8A CN110675121A (zh) | 2019-09-23 | 2019-09-23 | 图片类案卷材料的采集方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110675121A true CN110675121A (zh) | 2020-01-10 |
Family
ID=69077149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910897316.8A Pending CN110675121A (zh) | 2019-09-23 | 2019-09-23 | 图片类案卷材料的采集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110675121A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112256912A (zh) * | 2020-09-16 | 2021-01-22 | 珠海市新德汇信息技术有限公司 | 审讯视频智能标注分析及播放方法 |
| CN113220430A (zh) * | 2021-04-28 | 2021-08-06 | 上海交大慧谷通用技术有限公司 | 一种电子卷宗材料上传和识别并行的方法及系统 |
| CN113655999A (zh) * | 2021-08-05 | 2021-11-16 | 上海硬通网络科技有限公司 | 一种页面控件的渲染方法、装置、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5304786A (en) * | 1990-01-05 | 1994-04-19 | Symbol Technologies, Inc. | High density two-dimensional bar code symbol |
| US20100100572A1 (en) * | 2005-03-11 | 2010-04-22 | Izzy Schiller | Computerized legal case management system incorporating reconcilation feature |
| US20120265759A1 (en) * | 2011-04-15 | 2012-10-18 | Xerox Corporation | File processing of native file formats |
| CN108197119A (zh) * | 2018-02-05 | 2018-06-22 | 成都卓观信息技术有限公司 | 基于知识图谱的纸质档案数字化方法 |
| CN108846379A (zh) * | 2018-07-03 | 2018-11-20 | 南京览笛信息科技有限公司 | 面单识别方法、系统、终端设备及存储介质 |
| CN109582647A (zh) * | 2018-11-21 | 2019-04-05 | 珠海市新德汇信息技术有限公司 | 一种面向非结构化证据文件的分析方法及系统 |
| CN109658062A (zh) * | 2018-12-13 | 2019-04-19 | 广州华资软件技术有限公司 | 一种基于深度学习的电子档案智能处理方法 |
| CN109840519A (zh) * | 2019-01-25 | 2019-06-04 | 青岛盈智科技有限公司 | 一种自适应的智能单据识别录入装置及其使用方法 |
| CN110209632A (zh) * | 2019-05-27 | 2019-09-06 | 武汉市润普网络科技有限公司 | 一种电子卷宗随案生产、转档系统 |
-
2019
- 2019-09-23 CN CN201910897316.8A patent/CN110675121A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5304786A (en) * | 1990-01-05 | 1994-04-19 | Symbol Technologies, Inc. | High density two-dimensional bar code symbol |
| US20100100572A1 (en) * | 2005-03-11 | 2010-04-22 | Izzy Schiller | Computerized legal case management system incorporating reconcilation feature |
| US20120265759A1 (en) * | 2011-04-15 | 2012-10-18 | Xerox Corporation | File processing of native file formats |
| CN108197119A (zh) * | 2018-02-05 | 2018-06-22 | 成都卓观信息技术有限公司 | 基于知识图谱的纸质档案数字化方法 |
| CN108846379A (zh) * | 2018-07-03 | 2018-11-20 | 南京览笛信息科技有限公司 | 面单识别方法、系统、终端设备及存储介质 |
| CN109582647A (zh) * | 2018-11-21 | 2019-04-05 | 珠海市新德汇信息技术有限公司 | 一种面向非结构化证据文件的分析方法及系统 |
| CN109658062A (zh) * | 2018-12-13 | 2019-04-19 | 广州华资软件技术有限公司 | 一种基于深度学习的电子档案智能处理方法 |
| CN109840519A (zh) * | 2019-01-25 | 2019-06-04 | 青岛盈智科技有限公司 | 一种自适应的智能单据识别录入装置及其使用方法 |
| CN110209632A (zh) * | 2019-05-27 | 2019-09-06 | 武汉市润普网络科技有限公司 | 一种电子卷宗随案生产、转档系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112256912A (zh) * | 2020-09-16 | 2021-01-22 | 珠海市新德汇信息技术有限公司 | 审讯视频智能标注分析及播放方法 |
| CN113220430A (zh) * | 2021-04-28 | 2021-08-06 | 上海交大慧谷通用技术有限公司 | 一种电子卷宗材料上传和识别并行的方法及系统 |
| CN113655999A (zh) * | 2021-08-05 | 2021-11-16 | 上海硬通网络科技有限公司 | 一种页面控件的渲染方法、装置、设备及存储介质 |
| CN113655999B (zh) * | 2021-08-05 | 2024-01-09 | 上海硬通网络科技有限公司 | 一种页面控件的渲染方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111708773B (zh) | 一种多源科创资源数据融合方法 | |
| CN107622255B (zh) | 基于位置模板与语义模板的票据图像字段定位方法及系统 | |
| CN110675121A (zh) | 图片类案卷材料的采集方法 | |
| CN110852065A (zh) | 一种文档审核方法、装置、系统、设备及存储介质 | |
| CN110334214A (zh) | 一种自动识别案件中虚假诉讼的方法 | |
| CN110889310B (zh) | 金融文档信息智能提取系统及方法 | |
| CN110245112A (zh) | 基于ai的智能化档案管理方法、系统、终端及存储介质 | |
| US20210366055A1 (en) | Systems and methods for generating accurate transaction data and manipulation | |
| CN111428599A (zh) | 票据识别方法、装置和设备 | |
| CN114238655A (zh) | 企业关联关系识别方法、装置、设备及介质 | |
| CN115983571A (zh) | 一种基于人工智能的建筑业施工方案审核方法及其系统 | |
| CN109858980B (zh) | 基于开源ocr上的高速扫描增值税发票勾选认证系统及方法 | |
| CN106649599A (zh) | 面向知识服务的科研数据处理和预测性分析平台 | |
| CN207037679U (zh) | 一种快捷扫描发票信息的系统 | |
| CN114973290A (zh) | 一种基于ocr引擎的智能审单方法及系统 | |
| CN115438995A (zh) | 一种基于知识图谱的服装定制企业的业务处理方法及设备 | |
| CN113935296A (zh) | 一种使用滑动模板技术进行纸质银行流水信息提取的方法 | |
| KR20230053880A (ko) | 빅데이터 기반 기업정보관리시스템 이용방법 | |
| CN109144674A (zh) | 合约处理装置和合约处理方法 | |
| CN114118098A (zh) | 基于要素抽取的合同评审方法、设备及存储介质 | |
| CN113704430A (zh) | 智能辅助催收方法、装置、电子设备及存储介质 | |
| CN112256912A (zh) | 审讯视频智能标注分析及播放方法 | |
| CN106528644A (zh) | 一种遥感数据的检索方法及装置 | |
| CN110674269A (zh) | 一种线索信息管控方法及系统 | |
| CN113760913B (zh) | 一种弹性可扩展的装备费用采集方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200110 |