CN112114803A - 基于深度学习的ui界面的前端代码生成方法、设备及介质 - Google Patents
基于深度学习的ui界面的前端代码生成方法、设备及介质 Download PDFInfo
- Publication number
- CN112114803A CN112114803A CN202010864294.8A CN202010864294A CN112114803A CN 112114803 A CN112114803 A CN 112114803A CN 202010864294 A CN202010864294 A CN 202010864294A CN 112114803 A CN112114803 A CN 112114803A
- Authority
- CN
- China
- Prior art keywords
- regions
- picture
- neural network
- network model
- areas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013135 deep learning Methods 0.000 title claims abstract description 12
- 238000003062 neural network model Methods 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims abstract description 14
- 238000013461 design Methods 0.000 claims abstract description 11
- 238000011161 development Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- 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
- 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
Abstract
本发明涉及一种基于深度学习的UI界面的前端代码生成方法、设备及介质,方法包括:接收UI界面对应的图片;通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。本发明实施例通过人工智能技术,实现了对UI设计界面的切割,文字的识别,图标的识别,并根据识别出来的信息自动生成前端代码,节省了项目开发时间和精力。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及基于深度学习的UI界面的前端代码生成方法。
背景技术
OCR(optical character recognition)文字识别是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,然后用字符识别方法将形状翻译成计算机文字的过程。现有的OCR技术可以实现文字识别,但是无法满足更复杂的场景需要。
在实际软件开发的工作中,从网络美工设计的UI图,到形成HTML页面,中间需要大量的代码编写工作,耗费项目开发的大量时间和精力。
发明内容
本发明旨在至少在一定程度上解决上述问题。
在实际软件开发的工作中,从网络美工设计的UI图,到形成HTML页面,中间需要大量的代码编写工作,耗费项目开发的大量时间和精力
本发明实施例的第一方面提供了一种基于深度学习的UI界面的前端代码生成方法,包括:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
本发明实施例通过人工智能技术,实现了对UI设计界面的切割,文字的识别,图标的识别,并根据识别出来的信息自动生成前端代码,节省了项目开发时间和精力。
在一个示例中,还包括:
通过语义识别网络模型确定多个所述UI界面中组件的文本信息之间的逻辑关系,并根据所述逻辑关系将多个生成的前端代码通过路由串联,以实现多个UI界面之间的跳转。
在一个示例中,所述通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件,包括:
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的符号信息,并将所述符号信息转化成文本信息,以确定所述UI界面的组件。
在一个示例中,所述通过第二神经网络模型分对所述多个区域进行识别之后,还包括:
提取所述多个区域中的图片信息,并生成表示所述图片信息的通过字符串,以通过该字符串实现所述UI界面的外观。
在一个示例中,所述通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,包括:
通过所述第二神经网络模型提取文字内容、字体大小、字体格式。
在一个示例中,所述通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,包括:
确定所述多个区域中的文本信息的密度,以确定所述多个区域是图片区域或文字区域。
在一个示例中,所述基于字符串生成实现所述UI界面的功能的前端代码,包括:
通过指定的语言读取所述字符串,将所述字符串的内容转化为相应的数据结构,并将所述相应的数据结构转化为前端代码。
在一个示例中,所述接收UI界面对应的图片,包括:
接收多张图片;
检测所述多张图片中是否含有UI设计界面,并将不含有UI设计界面的图片删除。
本发明实施例的第二方面提供了一种基于深度学习的UI界面的前端代码生成设备,包括:
处理器,以及
与所述处理器通信连接的存储器,其中,
所述存储器存储有能被所述处理器执行的计算机指令,所述指令被所述处理器执行,使所述处理器能够:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
本发明实施例的第三方面提供了一种非易失性计算机存储介质,存储有计算机指令,所述指令被设置为:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例提供的方法流程示意图;
图2为本发明实施例提供的设备框架示意图。
具体实施方式
为了更清楚的阐释本申请的整体构思,下面结合说明书附图以示例的方式进行详细说明。
UI界面图是高保真效果图,是静态的,不能实现任何功能,一般是用PS软件做出来的图。
本发明实施例的第一方面提供了一种基于深度学习的UI界面的前端代码生成方法,包括:
S101接收UI界面对应的图片;
S102通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
S103通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
S104生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
接收并读取用户上传的UI界面对应的图片,图片的格式可以是jpg,png,bmp,jpeg等。
通过第一神经网络对图片进行处理,主要过程包括:分析UI设计图的每一个元素,例如:文字、图片、组件、图表等;将版面分析出的每个的元素按照区域进行切割,这一过程通过训练好的神经网络模型实现,在本发明的一些优选的实施例中,利用OpenCV技术,使用Classify(vgg16)网络来实现。
区域划分完成之后,通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件。
在本发明的一些优选的实施例中,UI界面中经常通过符号来表示该组件的功能,本发明实施例提供的申请网络,同样以这些常用的标识参数作为训练对象进行训练,训练好的神经网络可以实现符号的识别,具体实现方式可以是利用CRNN(英文:ConvolutionalRecurrent Neural Network)来进行识别。
本发明实施例中,通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的符号信息,并将所述符号信息转化成文本信息,以确定所述UI界面的组件。
在本发明的一些优选的实施例中,UI界面中通常含有用于装饰提升视觉效果的图片,本发明实施例中,可以提取该图片信息,将图片所在的位置和图片本身的信息生成字符串,然后通过该字符串实现UI界面的外观。
在本发明的另一些优选的实施例中,还会通过所述第二神经网络提取文字内容、字体大小、字体格式。
特别的,本申请实施例通还会基于语义识别神经网络,对文字内容进行识别,以确定该UI界面中的通用文字内容和特定文字内容。
在本发明的一些优选的实施例中,会根据文字的排布内容,来判断各个区域中的图片区域和文字区域,然后,基于此,确定是否要提取图片区域中的图片。
在前端代码生成阶段,通过代码生成器实现多种计算机编程语言的生成,本发明实施例中以Vue和JavaScript作为例子进行介绍。
Vue是一套用于构建用户界面的渐进式JavaScript框架。与其它大型框架不同的是,Vue被设计为可以自底向上逐层应用。Vue的核心库只关注视图层,方便与第三方库或既有项目整合。JavaScript是一种具有函数优先的轻量级,解释型或即时编译型的高级编程语言。虽然它是作为开发Web页面的脚本语言而出名的,但是它也被用到了很多非浏览器环境中,JavaScript基于原型编程、多范式的动态脚本语言,并且支持面向对象、命令式和声明式(如函数式编程)风格。
代码生成器首先利用Vue库创建一个空的vue文件,然后根据Json文件(字符串)中各个模块的信息,解析出所对应元素的具体内容、位置、样式、格式、字体大小等等,将其转化为相应的数据结构。再根据数据结构中的数据,在每个模块信息中转化为符合vue格式的代码。循环直至整个单页UI设计图全部网页前端代码。最后将,将所有生成的vue文件通过路由串联起来,实现页面的之间的跳转。至于vue文件的函数,需要根据用户的需求来自动填写。
若用户只上传单张图片,该系统则输出一个只含有单页vue文件。若用户一次性上传多张图片,该系统则输出多页vue文件。
在本发明的一些优选的实施例中,可以按照图片的输入顺序或者是语义识别神经网络对确定多个所述UI界面中组件的文本信息之间的逻辑关系,并根据所述逻辑关系将多个生成的前端代码通过路由串联,以实现多个UI界面之间的跳转。
相应的,本发明实施例的方法可以接收多张图片,然后通过第一神经网络对多张图片依次进行检测,若图片中无UI信息和网页设计,例如上传的是一张普通的照片,则将含有报错信息的Json文件输出给该系统的显示程序模块,程序在显示端输出报错信息以进行提示。
若图片中含有UI信息和网页设计,则判断该网页设计是否有冗余部分(与UI界面无关的部分),直接去除掉,将图片中的UI或网页页面视为接下来要处理的图片,并对该图片进行倾斜矫正。将矫正后图片中所带有的干扰因素去除,例如非正常像素点等。
基于同样的思路,本发明实施例还提供了上述方法对应的设备和非易失性计算机存储介质。
图2为本发明实施例提供的设备框架示意图,如图2所示,基于深度学习的UI界面的前端代码生成设备,包括:
处理器,以及
与所述处理器通信连接的存储器,其中,
所述存储器存储有能被所述处理器执行的计算机指令,所述指令被所述处理器执行,使所述处理器能够:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
本发明实施例的第三方面提供了基于深度学习的UI界面的前端代码生成非易失性计算机存储介质,存储有计算机指令,所述指令被设置为:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
本发明实施例本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在申请中。
Claims (10)
1.一种基于深度学习的UI界面的前端代码生成方法,其特征在于,包括:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
2.根据权利要求1所述的方法,其特征在于,还包括:
通过语义识别网络模型确定多个所述UI界面中组件的文本信息之间的逻辑关系,并根据所述逻辑关系将多个生成的前端代码通过路由串联,以实现多个UI界面之间的跳转。
3.根据权利要求1所述的方法,其特征在于,所述通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件,包括:
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的符号信息,并将所述符号信息转化成文本信息,以确定所述UI界面的组件。
4.根据权利要求1所述的方法,其特征在于,所述通过第二神经网络模型分对所述多个区域进行识别之后,还包括:
提取所述多个区域中的图片信息,并生成表示所述图片信息的字符串,以通过该字符串实现所述UI界面的外观。
5.根据权利要求1所述的方法,其特征在于,所述通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,包括:
通过所述第二神经网络模型提取文字内容、字体大小、字体格式。
6.根据权利要求1所述的方法,其特征在于,所述通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,包括:
确定所述多个区域中的文本信息的密度,以确定所述多个区域是图片区域或文字区域。
7.根据权利要求1所述的方法,其特征在于,所述基于字符串生成实现所述UI界面的功能的前端代码,包括:
通过指定的语言读取所述字符串,将所述字符串的内容转化为相应的数据结构,并将所述相应的数据结构转化为前端代码。
8.根据权利要求1所述的方法,其特征在于,所述接收UI界面对应的图片,包括:
接收多张图片;
检测所述多张图片中是否含有UI设计界面,并将不含有UI设计界面的图片删除。
9.一种基于深度学习的UI界面的前端代码生成设备,其特征在于,包括:
处理器,以及
与所述处理器通信连接的存储器,其中,
所述存储器存储有能被所述处理器执行的计算机指令,所述指令被所述处理器执行,使所述处理器能够:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
10.一种基于深度学习的UI界面的前端代码生成非易失性计算机存储介质,存储有计算机指令,其特征在于,所述指令被设置为:
接收UI界面对应的图片;
通过第一神经网络模型对所述图片的区域进行分类,将所述图片划分为多个区域,并确定所述多个区域的位置信息;
通过第二神经网络模型分对所述多个区域进行识别,提取所述多个区域中的文本信息,确定所述UI界面的组件;
生成表示所述组件和所述多个区域的位置信息的字符串,并基于字符串生成实现所述UI界面的功能的前端代码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010864294.8A CN112114803A (zh) | 2020-08-25 | 2020-08-25 | 基于深度学习的ui界面的前端代码生成方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010864294.8A CN112114803A (zh) | 2020-08-25 | 2020-08-25 | 基于深度学习的ui界面的前端代码生成方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112114803A true CN112114803A (zh) | 2020-12-22 |
Family
ID=73805565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010864294.8A Pending CN112114803A (zh) | 2020-08-25 | 2020-08-25 | 基于深度学习的ui界面的前端代码生成方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112114803A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732259A (zh) * | 2021-01-11 | 2021-04-30 | 赞同科技股份有限公司 | 基于人工智能的前端交互页面转换方法、装置及介质 |
WO2022167704A1 (es) * | 2021-02-04 | 2022-08-11 | Telefonica Digital España, S.L.U. | Implementación de proyecto informático a partir de boceto de diseño |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7103875B1 (en) * | 2001-09-21 | 2006-09-05 | Siebel Systems, Inc. | Methods and apparatus for integrated, automatic pseudo localization of software |
CN105930159A (zh) * | 2016-04-20 | 2016-09-07 | 中山大学 | 一种基于图像的界面代码生成的方法及系统 |
CN109995601A (zh) * | 2017-12-29 | 2019-07-09 | 中国移动通信集团上海有限公司 | 一种网络流量识别方法及装置 |
US20190250891A1 (en) * | 2018-02-12 | 2019-08-15 | Oracle International Corporation | Automated code generation |
US20200258146A1 (en) * | 2019-04-30 | 2020-08-13 | Beijing Dajia Internet Information Technology Co., Ltd. | Electronic purchase order generation method and device, terminal and storage medium |
-
2020
- 2020-08-25 CN CN202010864294.8A patent/CN112114803A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7103875B1 (en) * | 2001-09-21 | 2006-09-05 | Siebel Systems, Inc. | Methods and apparatus for integrated, automatic pseudo localization of software |
CN105930159A (zh) * | 2016-04-20 | 2016-09-07 | 中山大学 | 一种基于图像的界面代码生成的方法及系统 |
CN109995601A (zh) * | 2017-12-29 | 2019-07-09 | 中国移动通信集团上海有限公司 | 一种网络流量识别方法及装置 |
US20190250891A1 (en) * | 2018-02-12 | 2019-08-15 | Oracle International Corporation | Automated code generation |
CN110785736A (zh) * | 2018-02-12 | 2020-02-11 | 甲骨文国际公司 | 自动代码生成 |
US20200258146A1 (en) * | 2019-04-30 | 2020-08-13 | Beijing Dajia Internet Information Technology Co., Ltd. | Electronic purchase order generation method and device, terminal and storage medium |
Non-Patent Citations (3)
Title |
---|
宁煜西;周铭;李广强;王宁;: "基于卷积神经网络的航班跟踪视频关键信息识别", 空军预警学院学报, no. 05, 15 October 2018 (2018-10-15) * |
张晓冰;龚海刚;杨帆;戴锡笠;: "基于端到端句子级别的中文唇语识别研究", 软件学报, no. 06 * |
张玮;: "基于深度学习的Web用户界面代码生成技术研究", 科学技术创新, no. 14 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732259A (zh) * | 2021-01-11 | 2021-04-30 | 赞同科技股份有限公司 | 基于人工智能的前端交互页面转换方法、装置及介质 |
WO2022167704A1 (es) * | 2021-02-04 | 2022-08-11 | Telefonica Digital España, S.L.U. | Implementación de proyecto informático a partir de boceto de diseño |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5528121B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP5733907B2 (ja) | 画像処理装置、画像処理方法、コンピュータプログラム | |
CN101578597A (zh) | 转换文本 | |
EP2685405A1 (en) | Character recognition device, character recognition method, character recognition system, and character recognition program | |
JP5249387B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US20120008864A1 (en) | Image processing apparatus, image processing method, and computer readable medium | |
US20120011429A1 (en) | Image processing apparatus and image processing method | |
KR101890831B1 (ko) | 전자책 서비스 제공방법 및 그를 위한 컴퓨터 프로그램 | |
Karasneh et al. | Extracting UML models from images | |
CN111414165B (zh) | 界面代码的生成方法及设备 | |
CN111753717B (zh) | 用于提取文本的结构化信息的方法、装置、设备及介质 | |
CN111695518B (zh) | 结构化文档信息标注的方法、装置及电子设备 | |
CN110096275B (zh) | 一种页面处理方法及装置 | |
CN111241793A (zh) | 解析富文本编辑器内容给原生客户端渲染的方法、系统及介质 | |
CN112114803A (zh) | 基于深度学习的ui界面的前端代码生成方法、设备及介质 | |
CN116030454B (zh) | 一种基于胶囊网络和多语言模型的文字识别方法及系统 | |
Kaluarachchi et al. | A systematic literature review on automatic website generation | |
Tymoshenko et al. | Real-Time Ukrainian Text Recognition and Voicing. | |
US11146705B2 (en) | Character recognition device, method of generating document file, and storage medium | |
CN113642569A (zh) | 非结构化数据文档处理方法及相关设备 | |
RU2398276C2 (ru) | Альтернативы анализа в контекстных деревьях | |
JP2013152564A (ja) | 文書処理装置及び文書処理方法 | |
US9792263B2 (en) | Human input to relate separate scanned objects | |
US8077977B2 (en) | Image processing system, image processing method, computer readable medium and computer data signal | |
CN115130437A (zh) | 一种文档智能填写方法、装置及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240422 Address after: 250101 building S02, 1036 Chaochao Road, high tech Zone, Jinan City, Shandong Province Applicant after: Shandong Inspur Scientific Research Institute Co.,Ltd. Country or region after: China Address before: Floor 6, Chaochao Road, Shandong Province Applicant before: JINAN INSPUR HIGH-TECH TECHNOLOGY DEVELOPMENT Co.,Ltd. Country or region before: China |