CN111753841B - 基于路由分发的票据识别方法及装置 - Google Patents

基于路由分发的票据识别方法及装置 Download PDF

Info

Publication number
CN111753841B
CN111753841B CN202010596681.8A CN202010596681A CN111753841B CN 111753841 B CN111753841 B CN 111753841B CN 202010596681 A CN202010596681 A CN 202010596681A CN 111753841 B CN111753841 B CN 111753841B
Authority
CN
China
Prior art keywords
bill
identification
recognition
route distribution
text
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
Application number
CN202010596681.8A
Other languages
English (en)
Other versions
CN111753841A (zh
Inventor
丁平
李帅
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.)
Bank of China Ltd
Original Assignee
Bank of China 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 Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202010596681.8A priority Critical patent/CN111753841B/zh
Publication of CN111753841A publication Critical patent/CN111753841A/zh
Application granted granted Critical
Publication of CN111753841B publication Critical patent/CN111753841B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V30/413—Classification of content, e.g. text, photographs or tables

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于路由分发的票据识别方法及装置，该方法包括：获得票据图像；分析票据图像的票据类型，确定每种票据类型对应的路由分发值；将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。本发明可以方便快捷的对各类票据进行识别，准确率高。

Description

基于路由分发的票据识别方法及装置
技术领域
本发明涉及OCR技术领域，尤其涉及一种基于路由分发的票据识别方法及装置。
背景技术
目前，银行的票据识别主要是针对单种证件或者票据识别，包括身份证、护照、银行卡、港澳通行证。由于银行业务量递增，对票据识别的范围不断扩大。票据识别种类由最初的5种，增加到通用的十几种，再到不同专用票据的上万种。现有的基于路由分发的票据识别方法不能满足OCR模型进行票据或者凭证类识别的需求。
发明内容
本发明实施例提出一种基于路由分发的票据识别方法，用以方便快捷的对各类票据进行识别，准确率高，该方法包括：
获得票据图像；
分析票据图像的票据类型，确定每种票据类型对应的路由分发值；
将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。
本发明实施例提出一种基于路由分发的票据识别装置，用以方便快捷的对各类票据进行识别，该装置包括：
图像获得模块，用于获得票据图像；
路由分发值确定模块，用于分析票据图像的票据类型，确定每种票据类型对应的路由分发值；
票据识别模块，用于将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。
本发明实施例还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于路由分发的票据识别方法。
本发明实施例还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述基于路由分发的票据识别方法的计算机程序。
在本发明实施例中，获得票据图像；分析票据图像的票据类型，确定每种票据类型对应的路由分发值；将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。在上述过程中，所有类型的票据均通过输入至票据识别系统来获得票据识别结果，票据识别系统可对多种票据类型进行识别，方便快捷，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的，识别准确率高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中基于路由分发的票据识别方法的流程图；
图2为本发明实施例中基于路由分发的票据识别装置的示意图；
图3为本发明实施例中计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
图1为本发明实施例中基于路由分发的票据识别方法的流程图，如图1所示，该方法包括：
步骤101，获得票据图像；
步骤102，分析票据图像的票据类型，确定每种票据类型对应的路由分发值；
步骤103，将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。
在本发明实施例提出的方法中，所有类型的票据均通过输入至票据识别系统来获得票据识别结果，票据识别系统可对多种票据类型进行识别，方便快捷，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的，识别准确率高。
具体实施时，票据可以有多种类型，以银行为例，包括身份证、护照、银行卡、港澳通行证以及银行的各类业务票据，分析票据类型，即分析上述票据图像是上述哪种类型，每种票据类型对应一个路由分发值，比如增值税发票取路由分发值为1，其他票据识别按照不同的序号进行定义，将所述票据图像和所述路由分发值输入至票据识别系统，可以通过输入至票据识别系统的接口来进行，票据识别系统的接口是统一定义的，这就使得票据识别系统的使用者不必考虑每类票据分别应该查找哪个票据识别模型，而查找票据识别模型的工作交给票据识别系统来做，使得用户更快捷高效的获得票据识别结果。
在一实施例中，每种票据识别模型采用如下步骤训练获得：
对于每种票据类型，获得该种票据类型的历史票据图像；
确定多种票据识别流程，其中每种票据识别流程包括多个步骤的组合；
基于所述历史票据图像，分别对每种票据识别流程进行训练，获得每种票据识别流程对应的票据识别模型；
确定准确率最高的票据识别模型为该种票据类型对应的票据识别模型。
在上述实施例中，在收集历史票据图像时，采集比较有代表性的票据，包括不同的版面、具有不同光线的图像、不同文字类型(手写体或者印刷体等等)、识别字段(地址、公司名称等等)、输出结果由OCR训练人员指定(可以单一，也可以多种，默认为xml)；上述每个步骤都可以封装成一个接口，从而形成多个步骤的接口，各个接口的组合形成了不同的票据识别流程，每个票据识别流程可以封装成一个流程接口，每个流程还可以定义输出类型，例如xml文件或json文件等，那么对于每类票据，如何确定其票据识别流程，从而形成最终的票据识别模型呢，就这需要基于该类票据的历史票据数据，训练不同的票据识别流程，获得每种票据识别流程对应的票据识别模型，从中选出识别准确率最高的票据识别模型即为该种票据类型对应的票据识别模型，票据识别模型对应一个接口。通过上述方法确定票据识别模型的准确率高。
在一实施例中，票据识别流程包括以下至少一个步骤：
版面分析步骤，图像预处理步骤，文本检测步骤，文字识别步骤，识别后处理步骤；
版面分析步骤采用的方法包括横排正文表示方法、竖排正文表示方法、表格表示方法或图表示方法；
图像预处理步骤采用的方法包括平滑处理方法、中值滤波方法、边缘检测方法、归一化方法或增强方法；
文本检测步骤采用的方法包括检测小尺度文本框方法、循环连接文本框方法或文本行边细化方法；
文字识别步骤采用的方法包括模板匹配方法、几何特征抽取方法或深度学习方法；
识别后处理步骤采用的方法包括基于统计的自然语言处理方法或基于知识图谱的后处理方法。
在上述实施例中，可以为每个步骤的每种方法编号，例如版面分析步骤采用的方法包括横排正文表示方法(P1)、竖排正文表示方法(P2)、表格表示方法(P3)或图表示方法(P4)；图像预处理步骤采用的方法包括平滑处理方法(T1)、中值滤波方法(T2)、边缘检测方法(T3)、归一化方法(T4)或增强方法(T5)；文本检测步骤采用的方法包括检测小尺度文本框方法(C1)、循环连接文本框方法(C2)或文本行边细化方法(C3)；文字识别步骤采用的方法包括模板匹配方法(R1)、几何特征抽取方法(R2)或深度学习方法(R3)；识别后处理步骤采用的方法包括基于统计的自然语言处理方法(N1)或基于知识图谱的后处理方法(N2)。后续确定不同票据识别流程时，可直接采用编号，方便处理，当然，可以理解的是，上述步骤及方法只是举例，还可以采用其他步骤和方法，相关变化例均应落入本发明的保护范围。
在一实施例中，所述方法还包括：
基于每类票据的历史票据图像和预先配置的票据识别流程训练，获得该类票据的票据识别模型。
上述预先配置过程可以由有经验的模型训练人员进行，例如，可以配置一个默认的票据识别流程，如P1>T1>C1>R1>N1，再例如，以版面分析步骤为例，通过对图像数据集分析，确定该类图像包含竖排正文，则配置优先选择竖排正文方法(P1)。对于文字识别步骤，可以由图像特性决定，比如特别复杂的图像识别，配置采用深度学习方法，对于比较规则的图像(比如身份证)，可以配置模板匹配方法。识别后处理步骤中，模型训练人员定义待识别字段的特性，比如识别字段为地址，则配置采用自然语言处理方法(N1)对识别结果进行后处理；比如识别字段为企业名称，则可以配置基于企业知识图谱(N2)对识别字段进行后处理。上述配置过程提高了模型训练的灵活性，使得有丰富经验的模型训练人员可以参与，提高了模型训练的效率，且保证了票据识别模型较高的准确率。
另外，由于每种票据类型在输入至票据识别系统进行识别时都输入了一个路由分发值，可以记录票据识别系统中路由分发值对应的票据类型识别时每个步骤的日志，以备后续日志查询和错误跟踪。
综上所述，在本发明实施例提出的方法中，获得票据图像；分析票据图像的票据类型，确定每种票据类型对应的路由分发值；将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。在上述过程中，所有类型的票据均通过输入至票据识别系统来获得票据识别结果，票据识别系统可对多种票据类型进行识别，方便快捷，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的，识别准确率高。
本发明实施例还提出一种基于路由分发的票据识别装置，其原理与基于路由分发的票据识别方法类似，这里不再赘述，图2为本发明实施例中基于路由分发的票据识别装置的示意图，如图2所示，该装置包括：
图像获得模块201，用于获得票据图像；
路由分发值确定模块202，用于分析票据图像的票据类型，确定每种票据类型对应的路由分发值；
票据识别模块203，用于将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。
在一实施例中，每种票据识别模型采用如下步骤训练获得：
对于每种票据类型，获得该种票据类型的历史票据图像；
确定多种票据识别流程，其中每种票据识别流程包括多个步骤的组合；
基于所述历史票据图像，分别对每种票据识别流程进行训练，获得每种票据识别流程对应的票据识别模型；
确定准确率最高的票据识别模型为该种票据类型对应的票据识别模型。
在一实施例中，票据识别流程包括以下至少一个步骤：
版面分析步骤，图像预处理步骤，文本检测步骤，文字识别步骤，识别后处理步骤；
版面分析步骤采用的方法包括横排正文表示方法、竖排正文表示方法、表格表示方法或图表示方法；
图像预处理步骤采用的方法包括平滑处理方法、中值滤波方法、边缘检测方法、归一化方法或增强方法；
文本检测步骤采用的方法包括检测小尺度文本框方法、循环连接文本框方法或文本行边细化方法；
文字识别步骤采用的方法包括模板匹配方法、几何特征抽取方法或深度学习方法；
识别后处理步骤采用的方法包括基于统计的自然语言处理方法或基于知识图谱的后处理方法。
在一实施例中，所述装置还包括训练模块204，用于：
基于每类票据的历史票据图像和预先配置的票据识别流程训练，获得该类票据的票据识别模型。
综上所述，在本发明实施例提出的装置中，获得票据图像；分析票据图像的票据类型，确定每种票据类型对应的路由分发值；将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的。在上述过程中，所有类型的票据均通过输入至票据识别系统来获得票据识别结果，票据识别系统可对多种票据类型进行识别，方便快捷，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的，识别准确率高。
本申请的实施例还提供一种计算机设备，图3为本发明实施例中计算机设备的示意图，该计算机设备能够实现上述实施例中的基于路由分发的票据识别方法中全部步骤，所述电子设备具体包括如下内容：
处理器(processor)301、存储器(memory)302、通信接口(CommunicationsInterface)303和总线304；
其中，所述处理器301、存储器302、通信接口303通过所述总线304完成相互间的通信；所述通信接口303用于实现服务器端设备、检测设备以及用户端设备等相关设备之间的信息传输；
所述处理器301用于调用所述存储器302中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的基于路由分发的票据识别方法中的全部步骤。
本申请的实施例还提供一种计算机可读存储介质，能够实现上述实施例中的基于路由分发的票据识别方法中全部步骤，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的基于路由分发的票据识别方法的全部步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于路由分发的票据识别方法，其特征在于，包括：
获得票据图像；
分析票据图像的票据类型，确定每种票据类型对应的路由分发值；
将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的；
每种票据识别模型采用如下步骤训练获得：
对于每种票据类型，获得该种票据类型的历史票据图像；
确定多种票据识别流程，其中每种票据识别流程包括多个步骤的组合；
基于所述历史票据图像，分别对每种票据识别流程进行训练，获得每种票据识别流程对应的票据识别模型；
确定准确率最高的票据识别模型为该种票据类型对应的票据识别模型。
2.如权利要求1所述的基于路由分发的票据识别方法，其特征在于，票据识别流程包括以下至少一个步骤：
版面分析步骤，图像预处理步骤，文本检测步骤，文字识别步骤，识别后处理步骤；
版面分析步骤采用的方法包括横排正文表示方法、竖排正文表示方法、表格表示方法或图表示方法；
图像预处理步骤采用的方法包括平滑处理方法、中值滤波方法、边缘检测方法、归一化方法或增强方法；
文本检测步骤采用的方法包括检测小尺度文本框方法、循环连接文本框方法或文本行边细化方法；
文字识别步骤采用的方法包括模板匹配方法、几何特征抽取方法或深度学习方法；
识别后处理步骤采用的方法包括基于统计的自然语言处理方法或基于知识图谱的后处理方法。
3.一种基于路由分发的票据识别装置，其特征在于，包括：
图像获得模块，用于获得票据图像；
路由分发值确定模块，用于分析票据图像的票据类型，确定每种票据类型对应的路由分发值；
票据识别模块，用于将所述票据图像和所述路由分发值输入至票据识别系统，获得票据识别系统反馈的票据识别结果，所述票据识别系统包括多种票据类型对应的票据识别模型，每种票据识别模型是基于历史票据图像和不同的票据识别流程训练获得的；
每种票据识别模型采用如下步骤训练获得：
对于每种票据类型，获得该种票据类型的历史票据图像；
确定多种票据识别流程，其中每种票据识别流程包括多个步骤的组合；
基于所述历史票据图像，分别对每种票据识别流程进行训练，获得每种票据识别流程对应的票据识别模型；
确定准确率最高的票据识别模型为该种票据类型对应的票据识别模型。
4.如权利要求3所述的基于路由分发的票据识别装置，其特征在于，票据识别流程包括以下至少一个步骤：
版面分析步骤，图像预处理步骤，文本检测步骤，文字识别步骤，识别后处理步骤；
版面分析步骤采用的方法包括横排正文表示方法、竖排正文表示方法、表格表示方法或图表示方法；
图像预处理步骤采用的方法包括平滑处理方法、中值滤波方法、边缘检测方法、归一化方法或增强方法；
文本检测步骤采用的方法包括检测小尺度文本框方法、循环连接文本框方法或文本行边细化方法；
文字识别步骤采用的方法包括模板匹配方法、几何特征抽取方法或深度学习方法；
识别后处理步骤采用的方法包括基于统计的自然语言处理方法或基于知识图谱的后处理方法。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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计算机程序时实现权利要求1至2任一项所述方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至2任一项所述方法的计算机程序。
CN202010596681.8A 2020-06-28 2020-06-28 基于路由分发的票据识别方法及装置 Active CN111753841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010596681.8A CN111753841B (zh) 2020-06-28 2020-06-28 基于路由分发的票据识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010596681.8A CN111753841B (zh) 2020-06-28 2020-06-28 基于路由分发的票据识别方法及装置

Publications (2)

Publication Number Publication Date
CN111753841A CN111753841A (zh) 2020-10-09
CN111753841B true CN111753841B (zh) 2023-09-19

Family

ID=72677509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010596681.8A Active CN111753841B (zh) 2020-06-28 2020-06-28 基于路由分发的票据识别方法及装置

Country Status (1)

Country Link
CN (1) CN111753841B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064304A (zh) * 2018-08-03 2018-12-21 四川长虹电器股份有限公司 财务报销票据自动处理系统及方法
CN111178219A (zh) * 2019-12-24 2020-05-19 泰康保险集团股份有限公司 票据识别管理方法、装置、存储介质及电子设备
CN111325207A (zh) * 2020-03-05 2020-06-23 中国银行股份有限公司 基于预处理的票据识别方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064304A (zh) * 2018-08-03 2018-12-21 四川长虹电器股份有限公司 财务报销票据自动处理系统及方法
CN111178219A (zh) * 2019-12-24 2020-05-19 泰康保险集团股份有限公司 票据识别管理方法、装置、存储介质及电子设备
CN111325207A (zh) * 2020-03-05 2020-06-23 中国银行股份有限公司 基于预处理的票据识别方法及装置

Also Published As

Publication number Publication date
CN111753841A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN110163478B (zh) 一种合同条款的风险审查方法及装置
EP3588279B1 (en) Automated extraction of rules embedded in software application code using machine learning
CN111428599B (zh) 票据识别方法、装置和设备
US20230401828A1 (en) Method for training image recognition model, electronic device and storage medium
US20210366055A1 (en) Systems and methods for generating accurate transaction data and manipulation
CN102722713B (zh) 一种基于李群结构数据的手写体数字识别方法及系统
CN108229419A (zh) 用于聚类图像的方法和装置
CN110490721A (zh) 财务凭证生成方法及相关产品
CN110070115A (zh) 一种单像素攻击样本生成方法、装置、设备及存储介质
CN110634223A (zh) 票据校验方法及装置
CN110032990A (zh) 一种发票文本识别方法、系统及相关组件
CN110956166A (zh) 票据标注方法及装置
CN111462388A (zh) 一种票据检验方法、装置、终端设备及存储介质
CN108876452A (zh) 用电客户需求信息获取方法、装置以及电子设备
CN110738184B (zh) 纸质凭证的预警信息生成方法及装置
CN113469005B (zh) 一种银行回单的识别方法、相关装置及存储介质
CN112508000B (zh) 一种用于ocr图像识别模型训练数据生成的方法及设备
CN114529933A (zh) 一种合同数据差异性的比对方法、装置、设备和介质
CN114092948A (zh) 一种票据识别方法、装置、设备以及存储介质
CN113869398A (zh) 一种不平衡文本分类方法、装置、设备及存储介质
CN111753841B (zh) 基于路由分发的票据识别方法及装置
CN111104853A (zh) 图像信息录入方法、装置、电子设备及存储介质
CN104331507B (zh) 机器数据类别自动发现和分类的方法及装置
CN110147516A (zh) 页面设计中前端代码的智能识别方法及相关设备
CN112328812B (zh) 基于自调参数的领域知识抽取方法与系统、电子设备

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