CN112256168A - 一种手写内容电子化的方法、装置、电子设备及存储介质 - Google Patents
一种手写内容电子化的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112256168A CN112256168A CN202011063195.6A CN202011063195A CN112256168A CN 112256168 A CN112256168 A CN 112256168A CN 202011063195 A CN202011063195 A CN 202011063195A CN 112256168 A CN112256168 A CN 112256168A
- Authority
- CN
- China
- Prior art keywords
- image
- transcribed
- area
- electronic
- model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
- G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06V30/32—Digital ink
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种手写内容电子化的方法、装置、电子设备及存储介质,涉及图像识别、深度学习技术领域。具体方案为:将待转写图像输入至预先训练好的电子化模型中;通过电子化模型对待转写图像进行分区,得到待转写图像中的至少一个待识别区域;基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;基于各个待识别区域的识别结果,将待转写图像中的手写内容转写为与其对应的电子化内容。本申请实施例可以将手写内容快速地、准确地转写为电子化内容,从而可以节约人工成本、提高转写效率。
Description
技术领域
本申请涉及人工智能领域,进一步涉及图像识别、深度学习技术领域,尤其是一种手写内容电子化的方法、装置、电子设备及存储介质。
背景技术
目前大部分高校的教授,还是以板书教学为主。这样做的原因是为了吸引大学生的注意力,让学生们可以更好地听课。而教授的教学笔记往往也都是以手写为主,里面都是教授们曾经的教学思想。图书馆里面有些教学笔记是来自上世纪七八十年代,纸张都已经泛黄了,但教授们的字迹还是很整洁秀丽,都是他们一点点亲手写下的,这些笔记都是无价之宝。通常情况下,教授们的手写笔记是作为纸质资料进行保存的。纸质资料是以纸张作为载体的一种资料,具有易损坏、无法再生等特点。
随着时间发展,这些教学笔记会慢慢地消失,为了能够将这些教学笔记保留,需要将这些教学笔记进行电子化。教学笔记上面往往“图文并茂”,还包含有大量的数据公式。目前人们可以将教学笔记进行人工转写,这样需要耗费大量的人力和时间。此外,还可以通过扫描仪甚至是智能手机等工具扫描纸质材料,以图片的形式进行保存;也可以通过软件识别扫描图中的文字并将图片信息文字化。但是现有的扫描技术只能将文字图片化,不能对文字进行复制、修改等操作;另外,识别扫描图中文字的软件也受限于扫描图片来源的不清晰、不规则等因素的影响,在将图片信息文字化的时候无法保证其转写的准确性。
发明内容
本申请提供了一种手写内容电子化的方法、装置、电子设备及存储介质,可以将手写内容快速地、准确地转写为电子化内容,从而可以节约人工成本、提高转写效率。
第一方面,本申请提供了一种手写内容电子化的方法,所述方法包括:
将待转写图像输入至预先训练好的电子化模型中;通过所述电子化模型对所述待转写图像进行分区,得到所述待转写图像中的至少一个待识别区域;
基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;
基于各个待识别区域的识别结果,将所述待转写图像中的手写内容转写为与其对应的电子化内容。
第二方面,本申请提供了一种手写内容电子化的装置,所述装置包括:分区模块、识别模块和转写模块;其中,
所述分区模块,用于待转写图像输入至预先训练好的电子化模型中;通过所述电子化模型对所述待转写图像进行分区,得到所述待转写图像中的至少一个待识别区域;
所述识别模块,用于基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;
所述转写模块,用于基于各个待识别区域的识别结果,将所述待转写图像中的手写内容转写为与其对应的电子化内容。
第三方面,本申请实施例提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
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本申请任意实施例所述的手写内容电子化的方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请任意实施例所述的手写内容电子化的方法。
根据本申请的技术解决了现有技术中采用人工方式进行转写所带来的成本高、效率低的技术问题以及通过扫描仪进行转写所带来的撰写不准确、无法修改的技术问题,本申请提供的技术方案,可以将手写内容快速地、准确地转写为电子化内容,从而可以节约人工成本、提高转写效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的手写内容电子化的方法的第一流程示意图;
图2是本申请实施例提供的手写内容电子化的方法的第二流程示意图;
图3是本申请实施例提供的手写内容电子化系统的结构示意图;
图4是本申请实施例提供的手写内容电子化的装置的结构示意图;
图5是用来实现本申请实施例的手写内容电子化的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
图1是本申请实施例提供的手写内容电子化的方法的第一流程示意图,该方法可以由手写内容电子化的装置或者电子设备来执行,该装置或者电子设备可以由软件和/或硬件的方式实现,该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示,手写内容电子化的方法可以包括以下步骤:
S101、将待转写图像输入至预先训练好的电子化模型中;通过电子化模型对待转写图像进行分区,得到待转写图像中的至少一个待识别区域。
在本申请的具体实施例中,电子设备可以将待转写图像输入至预先训练好的电子化模型中;通过电子化模型对待转写图像进行分区,得到待转写图像中的至少一个待识别区域。具体地,电子设备可以通过电子化模型中的图像检测子模型对待转写图像进行检测;若检测出待转写图像中存在至少一个图像区域,则电子设备可以在待转写图像中将至少一个图像区域和至少一个图像区域以外的区域进行划分,得到待转写图像的图像区域和非图像区域;然后电子设备还可以通过电子化模型中的表格检测子模型对待转写图像的非图像区域进行检测;若检测出待转写图像的非图像区域中存在至少一个表格区域,则电子设备还可以在待转写图像的非图像区域中将至少一个表格区域和至少一个表格区域以外的区域进行划分,得到待转写图像的表格区域和非表格区域;接着电子设备还可以通过电子化模型中的公式识别子模型对待转写图像的非表格区域进行检测;若检测出待转写图像的非表格区域中存在至少一个公式,则电子设备还可以在待转写图像的非表格区域中将至少一个公式和至少一个公式以外的区域进行划分,得到待转写图像的公式区域和文字区域。
S102、基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果。
在本步骤中,电子设备可以基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果。具体地,电子设备可以基于图像区域对应的图像识别子模型对图像区域进行识别,得到图像区域的识别结果;还可以基于表格区域对应的表格识别子模型对表格区域进行识别,得到表格区域的识别结果;还可以基于公式区域对应的公式识别子模型对公式区域进行识别,得到公式区域的识别结果;还可以基于文字区域对应的文字识别子模型对文字区域进行识别,得到文字区域的识别结果。
S103、基于各个待识别区域的识别结果,将待转写图像中的手写内容转写为与其对应的电子化内容。
在本步骤中,电子设备可以基于各个待识别区域的识别结果,将待转写图像中的手写内容转写为与其对应的电子化内容。具体地,电子设备可以基于待转写图像中的手写内容的版面结构,将待转写图像中的电子化内容转写到各自对应的区域中。
本申请实施例提出的手写内容电子化的方法,先将待转写图像输入至预先训练好的电子化模型中;通过电子化模型对待转写图像进行分区,得到待转写图像中的至少一个待识别区域;然后基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;再基于各个待识别区域的识别结果,将待转写图像中的手写内容转写为与其对应的电子化内容。也就是说,本申请可以通过各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,即不同的识别区域对应于不同的识别子模型。而在现有的手写内容电子化的方法中,可以将教学笔记进行人工转写,这样需要耗费大量的人力和时间;通过扫描仪甚至是智能手机等工具扫描纸质材料,只能以图片的形式进行保存,不能对文字进行复制、修改等操作。因为本申请采用了对待转写图像进行分区以及通过各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别的技术手段,克服了现有技术中采用人工方式进行转写所带来的成本高、效率低的技术问题以及通过扫描仪进行转写所带来的撰写不准确、无法修改的技术问题,本申请提供的技术方案,可以将手写内容快速地、准确地转写为电子化内容,从而可以节约人工成本、提高转写效率;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
图2是本申请实施例提供的手写内容电子化的方法的第二流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图2所示,手写内容电子化的方法可以包括以下步骤:
S201、将待转写图像输入至预先训练好的电子化模型中;通过电子化模型中的图像检测子模型对待转写图像进行检测。
在本步骤中,电子设备可以将待转写图像输入至预先训练好的电子化模型中;通过电子化模型中的图像检测子模型对待转写图像进行检测。具体地,本申请实施例中的图像检测子模型可以是SAPD模型,此模型为Anchor Free类型的目标检测算法,此模型为速度和精度上要优于其他同类的目标检测算法。
S202、若检测出待转写图像中存在至少一个图像区域,则在待转写图像中将至少一个图像区域和至少一个图像区域以外的区域进行划分,得到待转写图像的图像区域和非图像区域。
在本步骤中,若检测出待转写图像中存在至少一个图像区域,则电子设备可以在待转写图像中将至少一个图像区域和至少一个图像区域以外的区域进行划分,得到待转写图像的图像区域和非图像区域。具体地,电子设备可以基于待转写图像中的手写内容的版面结构,将待转写图像划分为图像区域和非图像区域。
S203、通过电子化模型中的表格检测子模型对待转写图像的非图像区域进行检测。
在本步骤中,电子设备可以通过电子化模型中的表格检测子模型对待转写图像的非图像区域进行检测。具体地,本申请实施例中的表格检测子模型可以是Faster-RCNN,此模型包括三个以下部分:1)5层共享卷积层;2)候选区域生成网络RPN;3)分类器。此模型可以输出表格的坐标;应用此模型的主要原因是此模型的准确性较高,而且速度较R-CNN模型其检测速度更快。
S204、若检测出待转写图像的非图像区域中存在至少一个表格区域,则在待转写图像的非图像区域中将至少一个表格区域和至少一个表格区域以外的区域进行划分,得到待转写图像的表格区域和非表格区域。
在本步骤中,若检测出待转写图像的非图像区域中存在至少一个表格区域,则电子设备可以在待转写图像的非图像区域中将至少一个表格区域和至少一个表格区域以外的区域进行划分,得到待转写图像的表格区域和非表格区域。具体地,电子设备可以基于待转写图像中的手写内容的版面结构,将待转写图像的非图像区域划分为表格区域和非表格区域。
S205、通过电子化模型中的公式识别子模型对待转写图像的非表格区域进行检测。
在本申请的具体实施例中,电子设备可以通过电子化模型中的公式识别子模型对待转写图像的非表格区域进行检测。具体地,本申请实施例中的公式识别子模型可以是TAP模型,TAP模型在手写公式识别上的准确性最优;此模型可以将数学公式的树结构识别问题转换成了数学公式LaTeX字符串识别问题。TAP模型的基本框架为基于注意力机制的编解码模型,其将输入的轨迹点序列通过编码器编码得到高维特征表达,依靠Attention机制找出高维特征中的关键部分以用于解码出当前时刻的LaTeX字符,直至解码结束。TAP模型采用Hybrid Attention机制,除了采用常用的Spatial Attention外,还采用了TemporalAttention机制;其中,Spatial Attention利用了Attention的历史信息以解决数学公式中多个同样数学字符出现时的对齐混淆问题。而Temporal Attention用于处理LaTeX中的结构字符的特殊对齐。这样不仅提高了Attention的对齐准确度,还可以针对性地处理LaTeX中结构字符的对齐和生成。因此,此模型对于公式的识别要优于其他模型。
S206、若检测出待转写图像的非表格区域中存在至少一个公式,则在待转写图像的非表格区域中将至少一个公式和至少一个公式以外的区域进行划分,得到待转写图像的公式区域和文字区域。
在本申请的具体实施例中,若检测出待转写图像的非表格区域中存在至少一个公式,则电子设备可以在待转写图像的非表格区域中将至少一个公式和至少一个公式以外的区域进行划分,得到待转写图像的公式区域和文字区域。具体地,电子设备可以基于待转写图像中的手写内容的版面结构,将待转写图像的非表格区域划分为公式区域和文字区域。
较佳地,在本申请的具体实施例中,电子设备还可以通过电子化模型中的文字检测子模型对文字区域进行检测。文字检测应用的TextBoxes++模型。TextBoxes++为TextBoxes的改进版,并进一步扩大卷积神经网络的感受野,使用了联结多种特征图的inception模块。其在中文文字检测上,效果表现良好。本申请利用了此模型的文字检测能力。
S207、基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果。
在本步骤中,电子设备可以基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果。具体地,电子设备可以基于图像区域对应的图像识别子模型对图像区域进行识别,得到图像区域的识别结果;还可以基于表格区域对应的表格识别子模型对表格区域进行识别,得到表格区域的识别结果;还可以基于公式区域对应的公式识别子模型对公式区域进行识别,得到公式区域的识别结果;还可以基于文字区域对应的文字识别子模型对文字区域进行识别,得到文字区域的识别结果。
较佳地,本申请实施例中的文字识别子模型可以是TextCaps模型。此模型借助胶囊网络(CapsNets)解决了标注数据集太小的问题,具有增强数据的能力,生成的数据会比基于仿射变换生成的增强数据更加逼真。它通过在实例化向量值中添加可控的随机噪声,创建和原始图像迥然不同的新图像,从而有效扩大训练数据集。和其他手写识别模型相比,此模型只需要10%的数据就可以得到类似的效果,因此非常适合于不同笔迹下的教学笔记的识别。
较佳地,本申请实施例中的表格识别子模型在对表格区域进行识别时,包括以下三个步骤:1)在水平方向完成表格直线线段的提取:首先通过腐蚀算法生成水平方向的直线线段,然后通过膨胀运算加粗水平方向表格线段。2)在垂直方向上完成表格直线线段的提取:该方法与在水平方向完成线段的提取方法类似,通过腐蚀膨胀来提取垂直方向表格线段。3)合并两个方向上的直线线段构成完整的表格框架;合并之后,能够得到每个单元格的行序号和列序号。在提取出表格后,可以将表格的一个个单元格的内容进行提取,提取之后,通过调用文字识别子模块,就能够对每一个单元格的内容进行识别。
S208、基于各个待识别区域的识别结果,将待转写图像中的手写内容转写为与其对应的电子化内容。
较佳地,在本申请的具体实施例中,电子设备还可以通过人机交互界面检测待转写图像中的电子化内容的版面结构与待转写图像中的手写内容的版面结构是否保持一致;若待转写图像中的电子化内容的版面结构与待转写图像中的手写内容的版面结构不一致,则通过人机交互界面对待转写图像中的电子化内容的版面结构进行修改,使得待转写图像中的电子化内容的版面结构与待转写图像中的手写内容的版面结构保持一致;若待转写图像中的电子化内容的版面结构与待转写图像中的手写内容的版面结构一致,则保持待转写图像中的电子化内容的版面结构不变。
较佳地,在本申请的具体实施例中,在将待转写图像输入至预先训练好的电子化模型中之前,电子设备还可以先对待训练的电子化模型进行训练,得到训练好的电子化模型。具体地,当待训练的电子化模型不满足预先设置的收敛条件时,电子设备可以将当前图像样本输入至待训练的电子化模型中;使用当前图像样本对待训练的电子化模型进行训练;将下一个图像样本作为当前图像样本,重复执行上述操作,直到待训练的电子化模型满足预先设置的收敛条件。
图3是本申请实施例提供的手写内容电子化系统的结构示意图。如图3所示,该系统可以包括:图像采集模块、手写文字识别模块、表格检测识别模块、公式识别模块、人工交互界面、分区模块、训练模块和存储模块;其中,图像采集模块用于采用非接触式扫描仪器对纸质的教学笔记进行扫描;非接触式扫描仪器包含有高清镜头,通过矩阵式点对点扫描技术,页面向上式采集,扫描过程无需拆卷,像看书一样轻松高效的完成扫描工作,扫描结果会实时呈现在人工交互界面,可以通过触摸屏来完成扫描操作。手写文字识别模块用于将手写内容进行识别;其中,手写内容识别过程可以包括两个步骤:文字检测和文字识别;文字检测应用的模型是TextBoxes++模型;文字识别应用的模型是TextCaps模型。表格检测识别模块用于对教学笔记中的表格进行提取和识别,在完成表格提取之前,需要先完成表格检测;表格检测应用的模型是Faster-RCNN。公式识别模块用于对待转写图像中的公式进行识别;公式识别应用的模型是TAP。分区模块用于将教学笔记的扫描件进行分区,分成文档区域、公式识别区、表格区和图像区;针对不同区域调用不同的处理模块,然后最后再以相同的方式排版呈现,这样能够在识别完成后,以相同的方式呈现给用户。人机交互界面用于对系统转写的内容进行修改。在人工交互界面上,显示了每一页教学笔记转写的效果;人工交互界面上展示结果时,电子化内容的版面结构与原来教学笔记上面内容的版面结构保持一致,这样可以方便用户比对查看。训练模块用于对待训练的电子化模型进行训练,得到训练好的电子化模型。存储模块用于对教学笔记电子化后的内容进行保存,同时保存经过微调训练的文字识别模型;存储的内容可以通过人工交互界面随时查看。此外,该系统还可以包括信息库模块,该模块包含了大量的百科数据、词条、专有名词以及数学公式等;该模块主要用于进行识别文字的纠错,它越完善,整体纠错的准确性越高;信息库模块还可以包含有人工查询和修改的界面,可以人工维护;对于某一学科领域的专有名词,都可以通过此信息库进行添加。
本申请实施例提出的手写内容电子化的方法,先将待转写图像输入至预先训练好的电子化模型中;通过电子化模型对待转写图像进行分区,得到待转写图像中的至少一个待识别区域;然后基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;再基于各个待识别区域的识别结果,将待转写图像中的手写内容转写为与其对应的电子化内容。也就是说,本申请可以通过各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,即不同的识别区域对应于不同的识别子模型。而在现有的手写内容电子化的方法中,可以将教学笔记进行人工转写,这样需要耗费大量的人力和时间;通过扫描仪甚至是智能手机等工具扫描纸质材料,只能以图片的形式进行保存,不能对文字进行复制、修改等操作。因为本申请采用了对待转写图像进行分区以及通过各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别的技术手段,克服了现有技术中采用人工方式进行转写所带来的成本高、效率低的技术问题以及通过扫描仪进行转写所带来的撰写不准确、无法修改的技术问题,本申请提供的技术方案,可以将手写内容快速地、准确地转写为电子化内容,从而可以节约人工成本、提高转写效率;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图4是本申请实施例提供的手写内容电子化的装置的结构示意图。如图4所示,所述装置400包括:分区模块401、识别模块402和转写模块403;其中,
所述分区模块401,用于待转写图像输入至预先训练好的电子化模型中;通过所述电子化模型对所述待转写图像进行分区,得到所述待转写图像中的至少一个待识别区域;
所述识别模块402,用于基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;
所述转写模块403,用于基于各个待识别区域的识别结果,将所述待转写图像中的手写内容转写为与其对应的电子化内容。
进一步的,所述分区模块401,具体用于通过所述电子化模型中的图像检测子模型对所述待转写图像进行检测;若检测出所述待转写图像中存在至少一个图像区域,则在所述待转写图像中将所述至少一个图像区域和所述至少一个图像区域以外的区域进行划分,得到所述待转写图像的图像区域和非图像区域。
进一步的,所述分区模块401,还用于通过所述电子化模型中的表格检测子模型对所述待转写图像的非图像区域进行检测;若检测出所述待转写图像的非图像区域中存在至少一个表格区域,则在所述待转写图像的非图像区域中将所述至少一个表格区域和所述至少一个表格区域以外的区域进行划分,得到所述待转写图像的表格区域和非表格区域。
进一步的,所述分区模块401,还用于通过电子化模型中的公式识别子模型对所述待转写图像的非表格区域进行检测;若检测出所述待转写图像的非表格区域中存在至少一个公式,则在所述待转写图像的非表格区域中将所述至少一个公式和所述至少一个公式以外的区域进行划分,得到所述待转写图像的公式区域和文字区域。
进一步的,所述装置还包括:检测模块404(图中未示出),用于通过人机交互界面检测所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构是否保持一致;若所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构不一致,则通过所述人机交互界面对所述待转写图像中的电子化内容的版面结构进行修改,使得所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构保持一致;若所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构一致,则保持所述待转写图像中的电子化内容的版面结构不变。
进一步的,所述装置还包括:训练模块405(图中未示出),用于当待训练的电子化模型不满足预先设置的收敛条件时,将当前图像样本输入至所述待训练的电子化模型中;使用所述当前图像样本对所述待训练的电子化模型进行训练;将下一个图像样本作为所述当前图像样本,重复执行上述操作,直到所述待训练的电子化模型满足所述预先设置的收敛条件。
上述手写内容电子化的装置可执行本申请任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请任意实施例提供的手写内容电子化的方法。
实施例四
根据本申请的实施例,本申请实施例还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的手写内容电子化的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的手写内容电子化的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的手写内容电子化的方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的手写内容电子化的方法对应的程序指令/模块(例如,附图4所示的分区模块401、识别模块402和转写模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的手写内容电子化的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据手写内容电子化的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至手写内容电子化的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
手写内容电子化的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与手写内容电子化的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
根据本申请实施例的技术方案,先将待转写图像输入至预先训练好的电子化模型中;通过电子化模型对待转写图像进行分区,得到待转写图像中的至少一个待识别区域;然后基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;再基于各个待识别区域的识别结果,将待转写图像中的手写内容转写为与其对应的电子化内容。也就是说,本申请可以通过各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,即不同的识别区域对应于不同的识别子模型。而在现有的手写内容电子化的方法中,可以将教学笔记进行人工转写,这样需要耗费大量的人力和时间;通过扫描仪甚至是智能手机等工具扫描纸质材料,只能以图片的形式进行保存,不能对文字进行复制、修改等操作。因为本申请采用了对待转写图像进行分区以及通过各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别的技术手段,克服了现有技术中采用人工方式进行转写所带来的成本高、效率低的技术问题以及通过扫描仪进行转写所带来的撰写不准确、无法修改的技术问题,本申请提供的技术方案,可以将手写内容快速地、准确地转写为电子化内容,从而可以节约人工成本、提高转写效率;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种手写内容电子化的方法,所述方法包括:
将待转写图像输入至预先训练好的电子化模型中;通过所述电子化模型对所述待转写图像进行分区,得到所述待转写图像中的至少一个待识别区域;
基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;
基于各个待识别区域的识别结果,将所述待转写图像中的手写内容转写为与其对应的电子化内容。
2.根据权利要求1所述的方法,所述通过所述电子化模型对所述待转写图像进行分区,得到所述待转写图像中的至少一个待识别区域,包括:
通过所述电子化模型中的图像检测子模型对所述待转写图像进行检测;
若检测出所述待转写图像中存在至少一个图像区域,则在所述待转写图像中将所述至少一个图像区域和所述至少一个图像区域以外的区域进行划分,得到所述待转写图像的图像区域和非图像区域。
3.根据权利要求2所述的方法,所述方法还包括:
通过所述电子化模型中的表格检测子模型对所述待转写图像的非图像区域进行检测;
若检测出所述待转写图像的非图像区域中存在至少一个表格区域,则在所述待转写图像的非图像区域中将所述至少一个表格区域和所述至少一个表格区域以外的区域进行划分,得到所述待转写图像的表格区域和非表格区域。
4.根据权利要求3所述的方法,所述方法还包括:
通过电子化模型中的公式识别子模型对所述待转写图像的非表格区域进行检测;
若检测出所述待转写图像的非表格区域中存在至少一个公式,则在所述待转写图像的非表格区域中将所述至少一个公式和所述至少一个公式以外的区域进行划分,得到所述待转写图像的公式区域和文字区域。
5.根据权利要求1所述的方法,所述方法还包括:
通过人机交互界面检测所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构是否保持一致;
若所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构不一致,则通过所述人机交互界面对所述待转写图像中的电子化内容的版面结构进行修改,使得所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构保持一致;
若所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构一致,则保持所述待转写图像中的电子化内容的版面结构不变。
6.根据权利要求1所述的方法,在所述将待转写图像输入至预先训练好的电子化模型中之前,所述方法还包括:
当待训练的电子化模型不满足预先设置的收敛条件时,将当前图像样本输入至所述待训练的电子化模型中;
使用所述当前图像样本对所述待训练的电子化模型进行训练;将下一个图像样本作为所述当前图像样本,重复执行上述操作,直到所述待训练的电子化模型满足所述预先设置的收敛条件。
7.一种手写内容电子化的装置,所述装置包括:分区模块、识别模块和转写模块;其中,
所述分区模块,用于待转写图像输入至预先训练好的电子化模型中;通过所述电子化模型对所述待转写图像进行分区,得到所述待转写图像中的至少一个待识别区域;
所述识别模块,用于基于各个待识别区域对应的识别子模型对各个待识别区域中的手写内容进行识别,得到各个待识别区域的识别结果;
所述转写模块,用于基于各个待识别区域的识别结果,将所述待转写图像中的手写内容转写为与其对应的电子化内容。
8.根据权利要求7所述的装置,所述分区模块,具体用于通过所述电子化模型中的图像检测子模型对所述待转写图像进行检测;若检测出所述待转写图像中存在至少一个图像区域,则在所述待转写图像中将所述至少一个图像区域和所述至少一个图像区域以外的区域进行划分,得到所述待转写图像的图像区域和非图像区域。
9.根据权利要求8所述的装置,所述分区模块,还用于通过所述电子化模型中的表格检测子模型对所述待转写图像的非图像区域进行检测;若检测出所述待转写图像的非图像区域中存在至少一个表格区域,则在所述待转写图像的非图像区域中将所述至少一个表格区域和所述至少一个表格区域以外的区域进行划分,得到所述待转写图像的表格区域和非表格区域。
10.根据权利要求9所述的装置,所述分区模块,还用于通过电子化模型中的公式识别子模型对所述待转写图像的非表格区域进行检测;若检测出所述待转写图像的非表格区域中存在至少一个公式,则在所述待转写图像的非表格区域中将所述至少一个公式和所述至少一个公式以外的区域进行划分,得到所述待转写图像的公式区域和文字区域。
11.根据权利要求7所述的装置,所述装置还包括:检测模块,用于通过人机交互界面检测所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构是否保持一致;若所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构不一致,则通过所述人机交互界面对所述待转写图像中的电子化内容的版面结构进行修改,使得所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构保持一致;若所述待转写图像中的电子化内容的版面结构与所述待转写图像中的手写内容的版面结构一致,则保持所述待转写图像中的电子化内容的版面结构不变。
12.根据权利要求7所述的装置,所述装置还包括:训练模块,用于当待训练的电子化模型不满足预先设置的收敛条件时,将当前图像样本输入至所述待训练的电子化模型中;使用所述当前图像样本对所述待训练的电子化模型进行训练;将下一个图像样本作为所述当前图像样本,重复执行上述操作,直到所述待训练的电子化模型满足所述预先设置的收敛条件。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011063195.6A CN112256168A (zh) | 2020-09-30 | 2020-09-30 | 一种手写内容电子化的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011063195.6A CN112256168A (zh) | 2020-09-30 | 2020-09-30 | 一种手写内容电子化的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112256168A true CN112256168A (zh) | 2021-01-22 |
Family
ID=74234859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011063195.6A Pending CN112256168A (zh) | 2020-09-30 | 2020-09-30 | 一种手写内容电子化的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112256168A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361404A (zh) * | 2021-06-02 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于识别文本的方法、装置、设备、存储介质及程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993112A (zh) * | 2019-03-29 | 2019-07-09 | 杭州睿琪软件有限公司 | 一种图片中表格的识别方法及装置 |
US20190266394A1 (en) * | 2018-02-26 | 2019-08-29 | Abc Fintech Co., Ltd. | Method and device for parsing table in document image |
CN110414497A (zh) * | 2019-06-14 | 2019-11-05 | 拉扎斯网络科技(上海)有限公司 | 对象电子化的方法、装置、服务器及存储介质 |
CN110443317A (zh) * | 2019-08-09 | 2019-11-12 | 上海尧眸电气科技有限公司 | 一种纸档资料电子化的方法、装置和电子设备 |
CN111444922A (zh) * | 2020-03-27 | 2020-07-24 | Oppo广东移动通信有限公司 | 图片处理方法、装置、存储介质及电子设备 |
-
2020
- 2020-09-30 CN CN202011063195.6A patent/CN112256168A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190266394A1 (en) * | 2018-02-26 | 2019-08-29 | Abc Fintech Co., Ltd. | Method and device for parsing table in document image |
CN109993112A (zh) * | 2019-03-29 | 2019-07-09 | 杭州睿琪软件有限公司 | 一种图片中表格的识别方法及装置 |
CN110414497A (zh) * | 2019-06-14 | 2019-11-05 | 拉扎斯网络科技(上海)有限公司 | 对象电子化的方法、装置、服务器及存储介质 |
CN110443317A (zh) * | 2019-08-09 | 2019-11-12 | 上海尧眸电气科技有限公司 | 一种纸档资料电子化的方法、装置和电子设备 |
CN111444922A (zh) * | 2020-03-27 | 2020-07-24 | Oppo广东移动通信有限公司 | 图片处理方法、装置、存储介质及电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361404A (zh) * | 2021-06-02 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于识别文本的方法、装置、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570456B (zh) | 基于全卷积递归网络的手写汉字文本识别方法 | |
US9633255B2 (en) | Substitution of handwritten text with a custom handwritten font | |
EP3822842A2 (en) | Method and apparatus for generating semantic representation model, electronic device, and storage medium | |
KR20210124938A (ko) | 이벤트 추출 방법, 장치, 전자 기기 및 저장 매체 | |
CN112001180A (zh) | 多模态预训练模型获取方法、装置、电子设备及存储介质 | |
JP7142121B2 (ja) | 文字認識の方法、装置、電子設備、コンピュータ可読記憶媒体、及びプログラム | |
US11687704B2 (en) | Method, apparatus and electronic device for annotating information of structured document | |
US11321370B2 (en) | Method for generating question answering robot and computer device | |
CN112541332B (zh) | 表单信息抽取方法、装置、电子设备及存储介质 | |
US20210304413A1 (en) | Image Processing Method and Device, and Electronic Device | |
EP3816855A2 (en) | Method and apparatus for extracting information, device, storage medium and computer program product | |
US11636666B2 (en) | Method and apparatus for identifying key point locations in image, and medium | |
CN111488732B (zh) | 一种变形关键词检测方法、系统及相关设备 | |
KR20210148813A (ko) | 의료 사실 검증 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
CN111862031A (zh) | 一种人脸合成图检测方法、装置、电子设备及存储介质 | |
CN110532415A (zh) | 图像搜索处理方法、装置、设备及存储介质 | |
CN110659702A (zh) | 基于生成式对抗网络模型书法字帖评价系统及方法 | |
KR102569517B1 (ko) | 번역 방법, 장치 및 전자 기기 | |
US20210224476A1 (en) | Method and apparatus for describing image, electronic device and storage medium | |
CN112256168A (zh) | 一种手写内容电子化的方法、装置、电子设备及存储介质 | |
CN111767380A (zh) | 模型自适应重训方法、装置、电子设备和存储介质 | |
US20210382918A1 (en) | Method and apparatus for labeling data | |
CN114331932A (zh) | 目标图像生成方法和装置、计算设备以及计算机存储介质 | |
US20220197587A1 (en) | Surface presentations | |
Ouali et al. | A novel method for arabic text detection with interactive visualization |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210122 |
|
RJ01 | Rejection of invention patent application after publication |