CN111291644A - 用于处理信息的方法和装置 - Google Patents

用于处理信息的方法和装置 Download PDF

Info

Publication number
CN111291644A
CN111291644A CN202010067216.5A CN202010067216A CN111291644A CN 111291644 A CN111291644 A CN 111291644A CN 202010067216 A CN202010067216 A CN 202010067216A CN 111291644 A CN111291644 A CN 111291644A
Authority
CN
China
Prior art keywords
configuration information
information
image
sub
category
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.)
Granted
Application number
CN202010067216.5A
Other languages
English (en)
Other versions
CN111291644B (zh
Inventor
陈露露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010067216.5A priority Critical patent/CN111291644B/zh
Publication of CN111291644A publication Critical patent/CN111291644A/zh
Application granted granted Critical
Publication of CN111291644B publication Critical patent/CN111291644B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/41Analysis of document content
    • G06V30/413Classification of content, e.g. text, photographs or tables
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/41Analysis of document content
    • G06V30/418Document matching, e.g. of document images

Abstract

本公开实施例公开了用于处理信息的方法和装置。该方法的一具体实施方式包括:读取第一配置信息集合和第二配置信息集合;根据第二配置信息的开放标识,从第二配置信息集合中确定至少一条第二类别信息存储到预设的列表;响应于确定第一配置信息集合中第一类别信息与列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型;基于至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。该实施方式简化了识别功能上线的步骤,降低了识别功能上线的成本。

Description

用于处理信息的方法和装置
技术领域
本公开实施例涉及计算机技术领域,具体涉及用于处理信息的方法和装置。
背景技术
光学字符识别(Optical Character Recognition,OCR)是将图像中的字符识别为计算机文字的过程。光学字符识别发展至今,可以提供针对多种图像类型的识别功能,常见的图像类型可以包括网络图片、卡证(例如身份证、银行卡)、票据(例如增值税发票、火车票、出租车票等)、车牌等等。每种图像类型的识别功能的实现都需要对应的检测模型的支持,在得到图像类型对应的检测模型之后,还需要解决服务架构开发问题,才能实现该图像类型的识别功能上线。服务架构开发的开发成本较高,尤其是当需要上线大量的图像类型的识别功能时。
发明内容
本公开实施例提出了用于处理信息的方法和装置。
第一方面,本公开实施例提供了一种用于处理信息的方法,该方法包括:读取第一配置信息集合和第二配置信息集合,其中,第一配置信息包括第一类别信息和模型显存占用量,第二配置信息包括第二类别信息和开放标识;根据第二配置信息的开放标识,从上述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表;响应于确定上述第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化上述列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型;基于上述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
在一些实施例中,上述方法还包括:响应于确定上述第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和大于或者等于预设的总显存,发送失败提示信息。
在一些实施例中,上述基于上述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理,包括:根据接收到的信息处理请求中的待处理图像的类别,从上述至少一个检测模型中确定目标检测模型,其中,上述信息处理请求还包括待处理图像;使用上述目标检测模型对上述待处理图像进行检测,得到至少一个子图像以及与子图像对应的子图像编号;对于上述至少一个子图像中的子图像,基于预先建立的识别模型对该子图像进行识别,根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果。
在一些实施例中,上述根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果,包括:根据上述待处理图像的类别从预先的第三配置信息集合中选取目标第三配置信息,其中,第三配置信息包括第三类别信息,以及编号和关键字对;根据该子图像对应的子图像编号从上述目标第三配置信息中确定该子图像编号对应的关键字;使用上述关键字和上述文本信息生成键值对形式的处理结果。
在一些实施例中,第二配置信息的开放标识包括第一开放标识和第二开放标识,其中,第一开放标识用于指示开放,第二开放标识用于指示不开放;以及上述根据第二配置信息的开放标识,从上述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表,包括:从上述第二配置信息集合中选取开放标识为第一开放标识的第二配置信息的第二类别信息存储到预设的列表。
第二方面,本公开实施例提供了一种用于处理信息的装置,装置包括:读取单元,被配置成读取第一配置信息集合和第二配置信息集合,其中,第一配置信息包括第一类别信息和模型显存占用量,第二配置信息包括第二类别信息和开放标识;存储单元,被配置成根据第二配置信息的开放标识,从上述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表;初始化单元,被配置成响应于确定上述第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化上述列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型;处理单元,被配置成基于上述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
在一些实施例中,上述装置还包括:发送单元,被配置成响应于确定上述第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和大于或者等于预设的总显存,发送失败提示信息。
在一些实施例中,上述处理单元包括:确定单元,被配置成根据接收到的信息处理请求中的待处理图像的类别,从上述至少一个检测模型中确定目标检测模型,其中,上述信息处理请求还包括待处理图像;检测单元,被配置成使用上述目标检测模型对上述待处理图像进行检测,得到至少一个子图像以及与子图像对应的子图像编号;识别单元,被配置成对于上述至少一个子图像中的子图像,基于预先建立的识别模型对该子图像进行识别,根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果。
在一些实施例中,上述识别单元进一步被配置成:根据上述待处理图像的类别从预先的第三配置信息集合中选取目标第三配置信息,其中,第三配置信息包括第三类别信息,以及编号和关键字对;根据该子图像对应的子图像编号从上述目标第三配置信息中确定该子图像编号对应的关键字;使用上述关键字和上述文本信息生成键值对形式的处理结果。
在一些实施例中,第二配置信息的开放标识包括第一开放标识和第二开放标识,其中,第一开放标识用于指示开放,第二开放标识用于指示不开放;以及上述存储单元进一步被配置成:从上述第二配置信息集合中选取开放标识为第一开放标识的第二配置信息的第二类别信息存储到预设的列表。
第三方面,本公开实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开实施例提供的用于处理信息的方法和装置,首先读取第一配置信息集合和第二配置信息集合。之后,根据第二配置信息的开放标识,从第二配置信息集合中确定至少一条第二类别信息存储到预设的列表。然后,响应于确定第一配置信息集合中第一类别信息与列表中第二类别信息相同的至少一条第一配置信息的模型存储占用量之和小于预设的总显存,初始化列表中第二类别信息对应的检测模型,得到初始化后的至少一个检测模型。最后,基于至少一个检测模型和预先建立的识别模型,对接收到的信息处理请求进行处理。从而通过配置第一配置信息集合和第二配置信息集合可以实现对检测模型的初始化,从而开放对应的识别功能,不需要新增代码进行架构开发,简化了识别功能上线的步骤,降低了识别功能上线的成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于处理信息的方法的一个实施例的流程图;
图3是根据本公开的用于处理信息的方法的一个应用场景的示意图;
图4是根据本公开的用于处理信息的方法的又一个实施例的流程图;
图5是根据本公开的用于处理信息的装置的一个实施例的结构示意图;
图6是适于用来实现本公开实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开实施例的用于处理信息的方法或用于处理信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持信息发送的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上发送的信息处理请求进行处理的后台服务器。后台服务器可以对接收到的信息处理请求等数据进行分析等处理,并将处理结果(例如识别出的文本信息等数据)反馈给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
需要说明的是,本公开实施例所提供的用于处理信息的方法一般由服务器105执行,相应地,用于处理信息的装置一般设置于服务器105中。
继续参考图2,示出了根据本公开的用于处理信息的方法的一个实施例的流程200。该用于处理信息的方法,包括以下步骤:
步骤201,读取第一配置信息集合和第二配置信息集合。
在本实施例中,用于处理信息的方法的执行主体(例如图1所示的服务器105)首先可以通过有线连接方式或者无线连接方式从开发人员所使用的终端获取第一配置信息集合和第二配置信息集合。之后,执行主体可以读取第一配置信息集合和第二配置信息集合。
这里,第一配置信息集合中的第一配置信息可以包括第一类别信息和模型显存占用量。其中,第一类别信息可以包括图像类型,模型显存占用量可以是指处理第一类别信息所包括图像类型的图像所使用的检测模型运行时占用的显存量。这里,检测模型可以用于对图像中的目标进行检测,其中,图像中的目标可以是指图像中包括文字的部分。实践中,检测模型可以对图像中包括文字的部分进行检测和截图,得到至少一个子图像。作为示例,检测模型还可以根据子图像在整个图像中的位置对得到的子图像进行编号,不同编号对应的子图像包含的文字信息的内容不同。实践中,不同图像类型对应不同的检测模型,检测模型可以是基于机器学习算法训练得到的模型。以第一类别信息包括护照、房屋登记册和车辆登记证书为例,第一配置信息集合可以包括如下内容:护照:512MB(兆),房屋登记册:768MB,车辆登记证书:1024MB,需要说明的是,本例中的图像类型和模型显存占用量仅仅是示例性的,而非对图像类型和模型显存占用量的限定。
第二配置信息集合中的第二配置信息可以包括第二类别信息和开放标识。这里,第二类别信息可以包括图像类型,开放标识可以用于指示是否开放针对第二类别信息包括的图像类型的识别功能。
步骤202,根据第二配置信息的开放标识,从第二配置信息集合中确定至少一条第二类别信息存储到预设的列表。
在本实施例中,执行主体可以根据第二配置信息集合中的各条第二配置信息的开放标识,从第二配置信息集合中确定至少一条第二类别信息存储到预设的列表。
在本实施例的一些可选的实现方式中,上述第二配置信息的开放标识可以包括第一开放标识和第二开放标识,其中,第一开放标识用于指示开放,第二开放标识用于指示不开放。这里,对图像类型的识别功能开放可以是指使用该图像类型对应的检测模型对外提供服务。
这里,上述步骤202可以具体如下进行:从第二配置信息集合中选取开放标识为第一开放标识的第二配置信息的第二类别信息存储到预设的列表。
在本实现方式中,执行主体首先可以选取出第二配置信息集合中开放标识为第一开放标识的第二配置信息。之后,将选取出的第二配置信息的第二类别信息存储到预设的列表。
步骤203,响应于确定第一配置信息集合中第一类别信息与列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型。
在本实施例中,执行主体首先可以计算第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和,而后执行主体可以将计算结果与预先设定的总显存进行对比,判断计算结果是否小于总显存。如果计算结果小于总显存,则执行主体可以初始化列表中的第二类别信息对应的检测模型,从而得到初始化后的至少一个检测模型。这里,总显存可以是预先设置的一个显存量。作为示例,总显存可以是执行主体的图形处理器(Graphics Processing Unit,GPU)所提供的最大值。
这里,针对每一种图像类型执行主体内部可以预先存储有对应的检测模型的模型结构和模型参数。使用该模型结构和模型参数可以初始化检测模型,从而得到初始化后的检测模型。初始化后的检测模型可以用于对该图像类型的待处理图像进行目标检测。
步骤204,基于至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
在本实施例中,执行主体可以基于步骤203得到的至少一个检测模型和预先建立的识别模型,对接收到的信息处理请求进行处理。这里,信息处理请求中可以包括待处理图像。具体的,执行主体首先可以使用至少一个检测模型中的检测模型对待处理图像进行目标检测,得到至少一个子图像;而后,执行主体可以使用识别模型对至少一个子图像中的每一个子图像进行文字识别,从而得到文本信息。这里,识别模型可以用于对图像进行文字识别,实践中,识别模型可以是基于机器学习算法训练得到的模型。
在本实施例的一些可选的实现方式中,上述步骤204可以具体包括以下内容:
步骤S1,根据接收到的信息处理请求中的待处理图像的类别,从至少一个检测模型中确定目标检测模型。
在本实现方式中,执行主体可以接收用户所使用的终端设备发送的信息处理请求。其中,信息处理请求可以包括待处理图像以及待处理图像的类别。之后,执行主体可以根据信息处理请求中的待处理图像的类别从上述至少一个检测模型中确定一个检测模型作为目标检测模型。举例来说,执行主体可以选取至少一个检测模型中、所对应的第二类别信息与待处理图像的类别相同的检测模型作为目标检测模型。
步骤S2,使用目标检测模型对待处理图像进行检测,得到至少一个子图像以及与子图像对应的子图像编号。
在本实现方式中,执行主体可以使用目标检测模型对待处理图像进行检测,从而得到至少一个子图像以及子图像对应的子图像编号。这里,检测模型可以对待处理图像中包括文字的部分进行检测和截图,得到至少一个子图像。检测模型还可以根据子图像在整个图像中的位置对得到的子图像进行编号,不同编号对应的子图像包含的文字信息的内容不同。
步骤S3,对于至少一个子图像中的子图像,基于预先建立的识别模型对该子图像进行识别,根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果。
在本实现方式中,对于上述至少一个子图像中的每一个子图像,执行主体首先可以使用预先建立的识别模型对该子图像进行识别。这里,识别模型可以用于对子图像进行文字识别,作为示例,识别模型可以是机器学习模型。之后,执行主体可以根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果。作为示例,执行主体可以将该子图像识别得到的文本信息和该子图像对应的子图像编号拼接,并将拼接结果作为针对该子图像的处理结果。
在一些可选的实现方式中,上述步骤S3可以具体如下进行:
首先,根据待处理图像的类别从预先的第三配置信息集合中选取目标第三配置信息。
在本实现方式中,执行主体内部可以预先存储有第三配置信息集合,第三配置信息集合中可以包括多条第三配置信息,其中,每条第三配置信息可以第三类别信息,以及编号和关键字对。这里,第三类别信息可以包括图像类型。实践中,针对每一种图像类型可以设置一条第三配置信息。每种图像类型对应的图像中包含的信息种类不同,针对图像中包含的不同种类的信息,可以预先设置不同的编号,从而得到编号和关键字对,其中,关键字可以用于标识的种类。以图像类型为A地的居民身份证为例,该图像类型对应的第三类别信息可以为A_id(identity document,身份证件),A地的居民身份证对应的图像中包含如下信息种类:标题、中文名称、英文名称、中文电码、出生日期、性别、级别(例如,永久、非永久等等)、首次签发时间、签发时间、证件号等等。针对不同的信息,可以预先设置不同的编号,对不同种类的信息进行编号,可以得到以下编号和关键字对,0:标题、1:中文名称、2:英文名称、3:中文电码、4:出生日期、5:性别、6:级别(例如,永久、非永久等等)、7:首次签发时间、8:签发时间、9:证件号等等。
这样,执行主体可以根据待处理图像的类别从第三配置信息集合中获取出第三配置信息作为目标第三配置信息。具体的,执行主体可以选取第三类别信息与待处理图像的类别相同的第三配置信息作为目标第三配置信息。
其次,根据该子图像对应的子图像编号从目标第三配置信息中确定该子图像编号对应的关键字。
在本实现方式中,执行主体可以根据该子图像对应的子图像编号,从目标第三配置信息中确定该子图像编号对应的关键字。具体的,执行主体可以将目标第三配置信息中编号与该子图像编号相同的编号对应的关键字,确定为该子图像编号对应的关键字。实践中,第三配置信息是根据其所对应的图像类型的图像所包含的信息种类设定的。第三配置信息中某一个编号对应关键字所指代的信息种类,与对应图像类型的相同子图像编号对应的子图像包含的信息种类相同。举例来说,如果第三配置信息的图像类型为“A地的居民身份证”,编号“0”对应的关键字为“标题”,则检测模型检测图像类型为“A地的居民身份证”的图像得到的子图像编号为“0”的子图像中包含的内容种类为标题。最后,使用关键字和文本信息生成键值对形式的处理结果。
在本实现方式中,执行主体可以使用确定出的该子图像编号对应的关键字和针对该子图像识别出的文本信息,生成键值对形式的处理结果。具体的,可以将确定出的关键字作为key(键),将识别出的文本信息作为value(值),生成键值对形式的处理结果。
继续参见图3,图3是根据本实施例的用于处理信息的方法的应用场景的一个示意图。在图3的应用场景中,服务器301首先读取第一配置信息集合和第二配置信息集合,其中,第一配置信息包括第一类别信息和模型显存占用量,第二配置信息包括第二类别信息和开放标识。之后,服务器301根据第二配置信息的开放标识,从第二配置信息集合中选取至少一条第二类别信息存储到列表。然后,如果确定第一配置信息集合中第一类别信息与列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,服务器301可以初始化列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型。最后,基于至少一个检测模型和预先建立的识别模型,服务器301可以对接收到信息处理请求进行处理,得到处理结果。
本公开的上述实施例提供的方法通过配置第一配置信息集合和第二配置信息集合可以实现对检测模型的初始化,从而开放对应的识别功能,不需要新增代码进行架构开发,简化了识别功能上线的步骤,降低了识别功能上线的成本。
进一步参考图4,其示出了用于处理信息的方法的又一个实施例的流程400。该用于处理信息的方法的流程400,包括以下步骤:
步骤401,读取第一配置信息集合和第二配置信息集合。
在本实施例中,步骤401与图2所示实施例的步骤201类似,此处不再赘述。
步骤402,根据第二配置信息的开放标识,从第二配置信息集合中确定至少一条第二类别信息存储到预设的列表。
在本实施例中,步骤402与图2所示实施例的步骤202类似,此处不再赘述。
步骤403,响应于确定第一配置信息集合中第一类别信息与列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型。
在本实施例中,步骤403与图2所示实施例的步骤203类似,此处不再赘述。
步骤404,基于至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
在本实施例中,步骤404与图2所示实施例的步骤204类似,此处不再赘述。
步骤405,响应于确定第一配置信息集合中第一类别信息与列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和大于或者等于预设的总显存,发送失败提示信息。
在本实施例中,执行主体首先可以计算第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和,而后执行主体可以将计算结果与预先设定的总显存进行对比,判断计算结果是否大于或者等于总显存。如果计算结果大于或者等于总显存,则表示执行主体无法支持列表中的第二类别信息对应的检测模型同时运行。此时,为了保证正常运行,执行主体不会初始化列表中的第二类别信息对应的检测模型。同时,执行主体会向开发人员所使用的终端发送失败提示信息。这里,失败提示信息用于提示开发人员配置失败,基于列表中的第二类别信息对应的检测模型的识别功能不能启动,不能对外提供服务。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于处理信息的方法的流程400突出了,第一配置信息集合中第一类别信息与列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和大于或者等于预设的总显存的情况下,发送失败提示信息的步骤。由此,本实施例描述的方案可以保证识别功能启动时,不会因为总显存不足而导致执行主体无法正常运行。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于处理信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于处理信息的装置500包括:读取单元501、存储单元502、初始化单元503和处理单元504。其中,读取单元501被配置成读取第一配置信息集合和第二配置信息集合,其中,第一配置信息包括第一类别信息和模型显存占用量,第二配置信息包括第二类别信息和开放标识;存储单元502被配置成根据第二配置信息的开放标识,从上述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表;初始化单元503被配置成响应于确定上述第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化上述列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型;处理单元504被配置成基于上述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
在本实施例中,用于处理信息的装置500的读取单元501、存储单元502、初始化单元503和处理单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置500还包括:发送单元(图中未示出),被配置成响应于确定上述第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和大于或者等于预设的总显存,发送失败提示信息。
在本实施例的一些可选的实现方式中,上述处理单元504包括:确定单元(图中未示出),被配置成根据接收到的信息处理请求中的待处理图像的类别,从上述至少一个检测模型中确定目标检测模型,其中,上述信息处理请求还包括待处理图像;检测单元(图中未示出),被配置成使用上述目标检测模型对上述待处理图像进行检测,得到至少一个子图像以及与子图像对应的子图像编号;识别单元(图中未示出),被配置成对于上述至少一个子图像中的子图像,基于预先建立的识别模型对该子图像进行识别,根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果。
在本实施例的一些可选的实现方式中,上述识别单元进一步被配置成:根据上述待处理图像的类别从预先的第三配置信息集合中选取目标第三配置信息,其中,第三配置信息包括第三类别信息,以及编号和关键字对;根据该子图像对应的子图像编号从上述目标第三配置信息中确定该子图像编号对应的关键字;使用上述关键字和上述文本信息生成键值对形式的处理结果。
在本实施例的一些可选的实现方式中,第二配置信息的开放标识包括第一开放标识和第二开放标识,其中,第一开放标识用于指示开放,第二开放标识用于指示不开放;以及上述存储单元502进一步被配置成:从上述第二配置信息集合中选取开放标识为第一开放标识的第二配置信息的第二类别信息存储到预设的列表。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:读取第一配置信息集合和第二配置信息集合,其中,第一配置信息包括第一类别信息和模型显存占用量,第二配置信息包括第二类别信息和开放标识;根据第二配置信息的开放标识,从上述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表;响应于确定上述第一配置信息集合中第一类别信息与上述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化上述列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型;基于上述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
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公开的实施例的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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括读取单元、存储单元、初始化单元和处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,读取单元还可以被描述为“读取第一配置信息集合和第二配置信息集合的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于处理信息的方法,包括:
读取第一配置信息集合和第二配置信息集合,其中,第一配置信息包括第一类别信息和模型显存占用量,第二配置信息包括第二类别信息和开放标识;
根据第二配置信息的开放标识,从所述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表;
响应于确定所述第一配置信息集合中第一类别信息与所述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化所述列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型;
基于所述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述第一配置信息集合中第一类别信息与所述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和大于或者等于预设的总显存,发送失败提示信息。
3.根据权利要求1所述的方法,其中,所述基于所述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理,包括:
根据接收到的信息处理请求中的待处理图像的类别,从所述至少一个检测模型中确定目标检测模型,其中,所述信息处理请求还包括待处理图像;
使用所述目标检测模型对所述待处理图像进行检测,得到至少一个子图像以及与子图像对应的子图像编号;
对于所述至少一个子图像中的子图像,基于预先建立的识别模型对该子图像进行识别,根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果。
4.根据权利要求3所述的方法,其中,所述根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果,包括:
根据所述待处理图像的类别从预先的第三配置信息集合中选取目标第三配置信息,其中,第三配置信息包括第三类别信息,以及编号和关键字对;
根据该子图像对应的子图像编号从所述目标第三配置信息中确定该子图像编号对应的关键字;
使用所述关键字和所述文本信息生成键值对形式的处理结果。
5.根据权利要求1所述的方法,其中,第二配置信息的开放标识包括第一开放标识和第二开放标识,其中,第一开放标识用于指示开放,第二开放标识用于指示不开放;以及
所述根据第二配置信息的开放标识,从所述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表,包括:
从所述第二配置信息集合中选取开放标识为第一开放标识的第二配置信息的第二类别信息存储到预设的列表。
6.一种用于处理信息的装置,包括:
读取单元,被配置成读取第一配置信息集合和第二配置信息集合,其中,第一配置信息包括第一类别信息和模型显存占用量,第二配置信息包括第二类别信息和开放标识;
存储单元,被配置成根据第二配置信息的开放标识,从所述第二配置信息集合中确定至少一条第二类别信息存储到预设的列表;
初始化单元,被配置成响应于确定所述第一配置信息集合中第一类别信息与所述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和小于预设的总显存,初始化所述列表中的第二类别信息对应的检测模型,得到初始化后的至少一个检测模型;
处理单元,被配置成基于所述至少一个检测模型和预先建立的识别模型,对接收的信息处理请求进行处理。
7.根据权利要求6所述的装置,其中,所述装置还包括:
发送单元,被配置成响应于确定所述第一配置信息集合中第一类别信息与所述列表中的第二类别信息相同的至少一条第一配置信息的模型显存占用量之和大于或者等于预设的总显存,发送失败提示信息。
8.根据权利要求6所述的装置,其中,所述处理单元包括:
确定单元,被配置成根据接收到的信息处理请求中的待处理图像的类别,从所述至少一个检测模型中确定目标检测模型,其中,所述信息处理请求还包括待处理图像;
检测单元,被配置成使用所述目标检测模型对所述待处理图像进行检测,得到至少一个子图像以及与子图像对应的子图像编号;
识别单元,被配置成对于所述至少一个子图像中的子图像,基于预先建立的识别模型对该子图像进行识别,根据识别得到的文本信息和该子图像对应的子图像编号生成处理结果。
9.根据权利要求8所述的装置,其中,所述识别单元进一步被配置成:
根据所述待处理图像的类别从预先的第三配置信息集合中选取目标第三配置信息,其中,第三配置信息包括第三类别信息,以及编号和关键字对;
根据该子图像对应的子图像编号从所述目标第三配置信息中确定该子图像编号对应的关键字;
使用所述关键字和所述文本信息生成键值对形式的处理结果。
10.根据权利要求6所述的装置,其中,第二配置信息的开放标识包括第一开放标识和第二开放标识,其中,第一开放标识用于指示开放,第二开放标识用于指示不开放;以及
所述存储单元进一步被配置成:
从所述第二配置信息集合中选取开放标识为第一开放标识的第二配置信息的第二类别信息存储到预设的列表。
11.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202010067216.5A 2020-01-20 2020-01-20 用于处理信息的方法和装置 Active CN111291644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010067216.5A CN111291644B (zh) 2020-01-20 2020-01-20 用于处理信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010067216.5A CN111291644B (zh) 2020-01-20 2020-01-20 用于处理信息的方法和装置

Publications (2)

Publication Number Publication Date
CN111291644A true CN111291644A (zh) 2020-06-16
CN111291644B CN111291644B (zh) 2023-04-18

Family

ID=71023402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010067216.5A Active CN111291644B (zh) 2020-01-20 2020-01-20 用于处理信息的方法和装置

Country Status (1)

Country Link
CN (1) CN111291644B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156186A (zh) * 2015-04-21 2016-11-23 阿里巴巴集团控股有限公司 一种数据模型管理装置、服务器及数据处理方法
CN108829518A (zh) * 2018-05-31 2018-11-16 北京百度网讯科技有限公司 用于推送信息的方法和装置
CN108961267A (zh) * 2018-06-19 2018-12-07 Oppo广东移动通信有限公司 图片处理方法、图片处理装置及终端设备
CN109635150A (zh) * 2018-12-19 2019-04-16 腾讯科技(深圳)有限公司 文本生成方法、装置以及存储介质
CN109726712A (zh) * 2018-11-13 2019-05-07 平安科技(深圳)有限公司 文字识别方法、装置及存储介质、服务器
WO2019104478A1 (zh) * 2017-11-28 2019-06-06 华为技术有限公司 一种识别截图文字的方法及终端
CN110287951A (zh) * 2019-06-21 2019-09-27 北京百度网讯科技有限公司 一种文字识别的方法及装置
WO2020000879A1 (zh) * 2018-06-27 2020-01-02 北京字节跳动网络技术有限公司 图像识别方法和装置
CN110688327A (zh) * 2019-09-30 2020-01-14 百度在线网络技术(北京)有限公司 显存管理方法、装置、电子设备和计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156186A (zh) * 2015-04-21 2016-11-23 阿里巴巴集团控股有限公司 一种数据模型管理装置、服务器及数据处理方法
WO2019104478A1 (zh) * 2017-11-28 2019-06-06 华为技术有限公司 一种识别截图文字的方法及终端
CN108829518A (zh) * 2018-05-31 2018-11-16 北京百度网讯科技有限公司 用于推送信息的方法和装置
CN108961267A (zh) * 2018-06-19 2018-12-07 Oppo广东移动通信有限公司 图片处理方法、图片处理装置及终端设备
WO2020000879A1 (zh) * 2018-06-27 2020-01-02 北京字节跳动网络技术有限公司 图像识别方法和装置
CN109726712A (zh) * 2018-11-13 2019-05-07 平安科技(深圳)有限公司 文字识别方法、装置及存储介质、服务器
CN109635150A (zh) * 2018-12-19 2019-04-16 腾讯科技(深圳)有限公司 文本生成方法、装置以及存储介质
CN110287951A (zh) * 2019-06-21 2019-09-27 北京百度网讯科技有限公司 一种文字识别的方法及装置
CN110688327A (zh) * 2019-09-30 2020-01-14 百度在线网络技术(北京)有限公司 显存管理方法、装置、电子设备和计算机可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QIXIANG YE等: "Text detection and recognition in imagery: A survey" *
刘成林: "文档图像识别技术回顾与展望" *
肖珂;王丽静;童立靖;: "基于三维模型的二维文档图像提取与识别" *

Also Published As

Publication number Publication date
CN111291644B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN110728455B (zh) 业务处理方法、业务处理装置、存储介质与电子设备
CN109359194B (zh) 用于预测信息类别的方法和装置
CN111523413B (zh) 生成人脸图像的方法和装置
US11093774B2 (en) Optical character recognition error correction model
CN108073429B (zh) 一种支付方式配置方法、装置、设备及存储介质
US10382313B2 (en) Test building for testing server operation
CN113627395A (zh) 文本识别方法、装置、介质及电子设备
CN113507419B (zh) 流量分发模型的训练方法、流量分发方法及装置
CN114358147A (zh) 异常账户识别模型的训练方法、识别方法、装置及设备
US20200218502A1 (en) Cognitive tag library for custom natural language response rendering
CN111598122B (zh) 数据校验方法、装置、电子设备和存储介质
CN112598810A (zh) 一种展会入场处理方法和装置
CN112637222A (zh) 一种请求的处理方法及装置
US11222143B2 (en) Certified information verification services
CN111291644B (zh) 用于处理信息的方法和装置
CN112732547B (zh) 业务测试方法、装置、存储介质及电子设备
CN111209739A (zh) 电子表单、电子表单的校验方法、电子设备、及存储介质
CN116894133B (zh) 项目业务页面展示方法、装置、设备和计算机可读介质
CN108920589A (zh) 浏览劫持识别方法、装置、服务器及存储介质
CN109190352A (zh) 一种授权文本准确性验证方法和装置
CN114943544B (zh) 验证信息发送方法、装置、电子设备和计算机可读介质
CN117056629A (zh) 缓存配置方法、装置、计算机设备及存储介质
CN114741314A (zh) 测试用例生成方法与装置、电子设备及存储介质
CN113436000A (zh) 汇款处理方法、汇款处理装置、电子设备及可读存储介质
CN117270934A (zh) 一种基于深度学习辅助代码提交方法、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