CN112419208A - 一种基于施工图审查矢量图纸编译方法及系统 - Google Patents
一种基于施工图审查矢量图纸编译方法及系统 Download PDFInfo
- Publication number
- CN112419208A CN112419208A CN202011324201.9A CN202011324201A CN112419208A CN 112419208 A CN112419208 A CN 112419208A CN 202011324201 A CN202011324201 A CN 202011324201A CN 112419208 A CN112419208 A CN 112419208A
- Authority
- CN
- China
- Prior art keywords
- construction drawing
- character
- compiling
- module
- character recognition
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- 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
Abstract
本发明公开了一种基于施工图审查矢量图纸编译方法及系统,首先,获取待检测的施工图,并进行标准化的格式转换,然后,利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像,提高算法在遮挡区域和边缘信息不连续区域的匹配精度;接着,对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;最后,利用预设的反馈神经网络计算出对应的扩充文字端点和扩充置信度,并基于相对的两个所述文字识别区域的相对角度和重叠度判断是否进行合并,并利用现有的basicAccurat函数对得到的文字行中的文字进行识别,完成编译,提高对施工图的中的文字的识别效果。
Description
技术领域
本发明涉及施工图识别技术领域,尤其涉及一种基于施工图审查矢量图纸编译方法及系统。
背景技术
一张实际工程图纸主要由图形元素、尺寸标注、文字等三部分构成。其中的文字说明部分包括产品的一些材料、精度、加工要求等信息。目前一般地对于文字识别采用的方法是,首先对图像进行分层扫描,获取初步的含有文字的文字框,然后再针对每个文字框获取对应的文字,这两步分别称为检测和识别。传统的文字识别方法具有以下缺陷:在检测过程中,同一行的文字常常有缺失现象,不能得到很好的解决,极大的影响了识别的效果。
发明内容
本发明的目的在于提供一种基于施工图审查矢量图纸编译方法及系统,提高对施工图的中的文字的识别效果。
为实现上述目的,第一方面,本发明提供了一种基于施工图审查矢量图纸编译方法,包括以下步骤:
获取待检测的施工图,并进行标准化的格式转换;
利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像;
对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;
对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译。
其中,利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像,包括:
以匹配点为中心构建一个矩形窗口,采用邻域中值做阈值代替所述矩形窗口的中心像素,将图像的边缘信息加入到图像的特征中,并引入梯度信息来结合Census匹配代价,得到对应的预处理图像。
其中,引入梯度信息来结合Census匹配代价,得到对应的预处理图像,包括:
采用最小生成树算法结合跨尺度代价聚合方法来进行代价聚合;
运用基于超像素分割的视差优化方法,引入联合选择机制,以边缘信息为界限,得到对应的预处理图像。
其中,对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域,包括:
利用dilate函数对所述预处理图像进行膨胀操作,并与设定的二值化矩阵进行卷积运算,得到对应的连通域;
基于所述连通域进行筛选划分,得到对应的文字识别区域。
其中,基于所述连通域进行筛选划分,得到对应的文字识别区域,包括:
基于设定的长度阈值和面积阈值,对所述长度阈值和所述面积阈值采用排列组合的方法进行筛选;
将筛选得到的区域在所述连通域中进行分割,得到对应的所述文字识别区域。
其中,对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译,包括:
利用预设的反馈神经网络计算出对应的扩充文字端点和扩充置信度,并基于相对的两个所述文字识别区域的相对角度和重叠度判断是否进行合并;
若需要合并,则采用胜者为王策略选择对应的所述扩充置信度作为合并后的所述文字识别区域的扩充置信度。
第二方面,本发明提供了一种基于施工图审查矢量图纸编译系统,如第一方面所述的一种基于施工图审查矢量图纸编译方法应用于一种基于施工图审查矢量图纸编译系统,
所述基于施工图审查矢量图纸编译系统包括图纸获取模块、预处理模块、文字区域划分模块和文字识别模块,所述图纸获取模块、所述预处理模块、所述文字区域划分模块和所述文字识别模块依次连接;
所述图纸获取模块,用于获取待检测的施工图,并将所述施工图的格式进行标准化转换;
所述预处理模块,用于利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像;
所述文字区域划分模块,用于对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;
所述文字识别模块,用于对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译。
本发明的一种基于施工图审查矢量图纸编译方法及系统,所述基于施工图审查矢量图纸编译系统包括图纸获取模块、预处理模块、文字区域划分模块和文字识别模块,首先,获取待检测的施工图,并进行标准化的格式转换,然后,利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像,提高算法在遮挡区域和边缘信息不连续区域的匹配精度;接着,对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;最后,利用预设的反馈神经网络计算出对应的扩充文字端点和扩充置信度,并基于相对的两个所述文字识别区域的相对角度和重叠度判断是否进行合并,并利用现有的basicAccurat函数对得到的文字行中的文字进行识别,完成编译,提高对施工图的中的文字的识别效果。
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。
图1是本发明提供的一种基于施工图审查矢量图纸编译方法的步骤示意图。
图2是本发明提供的一种基于施工图审查矢量图纸编译系统的结构示意图。
图3是本发明提供的边缘检测算法的流程示意图。
1-图纸获取模块、2-预处理模块、3-文字区域划分模块、4-文字识别模块。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1,本发明提供一种基于施工图审查矢量图纸编译方法,包括以下步骤:
S101、获取待检测的施工图,并进行标准化的格式转换。
具体的,获取对应的施工图纸文件,利用现有的扫描仪器,将所述施工图纸进行扫描,并传输至上位机中,利用特定的算法或者软件,将pdf等多种文件格式的施工图转换为png格式图像,并且扫描后的图像或者现有的CAD类的施工图已经是矢量图纸,不需要在进行矢量化处理;将不同格式下的所有的施工图转换为统一格式,便于后续的文字识别,减少处理时间。
S102、利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像。
具体的,如图3所示,首先利用高斯采样,获取左图像和右图像,在匹配代价计算阶段,采用邻域中值做阈值代替窗口的中心像素,将图像的边缘信息加入到图像的特征中,利用高斯颜色模型来取代传统的RGB颜色模型,并引入梯度信息来结合Census匹配代价,以3×3窗口为例,比较像素值大小后得到了8位比特串,其中,右图像得到的比特串为10010110,左图像得到的比特串为10100111;然后用汉明距离来表征像素间的相似性,左右视图对应像素点异或后,得到00110001的比特串,然后求汉明距离距离就是匹配代价为3,以此来提高匹配代价计算阶段的匹配精度;在代价聚合阶段采用最小生成树算法结合跨尺度代价聚合方法来进行代价聚合;最小生成树代价聚合方法是一种基于图像双边滤波的方法,跨尺度代价聚合方法中采用的是高斯金字塔模型,高斯金字塔是连续扩大图像并为扩大的图像继续构建高斯金字塔,继而对空间八度进行连续下采样形成具有不同分辨率的图像的过程。利用高斯平滑曲线,通过连续下采样将高斯金字塔划分为不同层次,并对每个层次分别进行匹配代价聚合和去噪,为了将各个尺度的视差值更好地融合生成最终的视差图,同时结合正则化项来加强每个尺度成本聚合的规模间一致性聚合后,将每个分辨率尺度下的代价聚合值进行融合,得到最终视差值。
在视差计算阶段通过“胜者为王”-WTA策略来求取代价聚合后的最优视差值,即每个像素选择最小聚合代价值所对应的视差值作为最终视差;在视差后处理优化阶段,利用超像素分割算法对像素点进行区域划分,并结合加权中值滤波对所述视差图进行优化处理,可获得较高精度的视差信息,提高算法在遮挡区域和边缘信息不连续区域的匹配精度。
S103、对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域。
具体的,利用dilate函数对所述预处理图像进行膨胀操作,然后与设定的二值化矩阵进行卷积运算,得到对应的连通域,其中,所述设定的二值化矩阵的表达式为:
分别使用OpenCV中contourArea函数和arcLength函数计算连通域的轮廓面积A和轮廓长度L;定义轮廓面积阈值集are={are1,are2...aren}和轮廓长度阈值集len={len1,len2...lenn},分别对A和L采用排列组合的方法进行筛选,然后将筛选得到的区域在所述连通域中进行分割,得到对应的所述文字识别区域。采用排列组合的方法进行筛选,可以增加得到的区域的可能性,避免出现有文字没有被识别到的情况,影响识别效果。
S104、对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译。
具体的,利用预设的反馈神经网络计算出对应的扩充文字端点和扩充置信度,并基于相对的两个所述文字识别区域的相对角度和重叠度判断是否进行合并;若需要合并,则采用胜者为王策略选择对应的所述扩充置信度作为合并后的所述文字识别区域的扩充置信度,将需要合并的文字识别区域进行合并,以生成新文字框,其中,每个新文字框的扩充置信度根据合并为该新文字框的文字识别区域的扩充置信度确定;直至不需要再次进行合并和扩充。
图像中的文字可能成行出现。通过先前的检测步骤所检测到的文字区域有可能产生字符间和字符内的混淆。如文字区域将一行文字“NOPROBLEM”中的字符“L”与字符“E”的一部分划分在一个文字框中,导致在随后的识别步骤中有可能将该文字框中的字符误识别为“U”。在检测步骤中,同一行中的文字可能出现缺失现象,即将原本有字的地方检测为无字,从而无法识别出原本的文字。
然而,通过对文字框进行扩充和合并,可以根据一行文字中的部分字符还原出整行文字。也就是说,可以将同一行的文字划分在一个文字行中,随后再对每个文字行中的文字进行分割和识别。例如,对于“NOPROBLEM”这一行文字来说,可能检测到的是多个分散的文字区域,对这些文字区域进行扩充和合并,可以还原出完整的文字行“NOPROBLEM”。然后,可以针对文字行“NOPROBLEM”而非每个分散的文字框进行文字的分割和识别。这样,可以纠正在检测步骤中对文字框的误划分,从而避免字符间和字符内的混淆以及文字缺失现象。
对合并后的所述文字识别区域,利用百度提供的的basicAccurat函数进行文字识别,可以采用常规的模板匹配法或者基于分类器的方法识别文字行中的文字。
请参阅图2,本发明提供一种基于施工图审查矢量图纸编译系统,所述的一种基于施工图审查矢量图纸编译方法应用于一种基于施工图审查矢量图纸编译系统,
所述基于施工图审查矢量图纸编译系统包括图纸获取模块1、预处理模块2、文字区域划分模块3和文字识别模块4,所述图纸获取模块1、所述预处理模块2、所述文字区域划分模块3和所述文字识别模块4依次连接;
所述图纸获取模块1,用于获取待检测的施工图,并将所述施工图的格式进行标准化转换;
所述预处理模块2,用于利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像;
所述文字区域划分模块3,用于对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;
所述文字识别模块4,用于对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译。
在本实施方式中,关于一种基于施工图审查矢量图纸编译系统的具体限定可以参见上文中对于一种基于施工图审查矢量图纸编译方法的限定,在此不再赘述。上述一种基于施工图审查矢量图纸编译系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本发明的一种基于施工图审查矢量图纸编译方法及系统,所述基于施工图审查矢量图纸编译系统包括图纸获取模块1、预处理模块2、文字区域划分模块3和文字识别模块4,首先,获取待检测的施工图,并进行标准化的格式转换,然后,利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像,提高算法在遮挡区域和边缘信息不连续区域的匹配精度;接着,对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;最后,利用预设的反馈神经网络计算出对应的扩充文字端点和扩充置信度,并基于相对的两个所述文字识别区域的相对角度和重叠度判断是否进行合并,并利用现有的basicAccurat函数对得到的文字行中的文字进行识别,完成编译,提高对施工图的中的文字的识别效果。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (7)
1.一种基于施工图审查矢量图纸编译方法,其特征在于,包括以下步骤:
获取待检测的施工图,并进行标准化的格式转换;
利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像;
对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;
对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译。
2.如权利要求1所述的基于施工图审查矢量图纸编译方法,其特征在于,利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像,包括:
以匹配点为中心构建一个矩形窗口,采用邻域中值做阈值代替所述矩形窗口的中心像素,将图像的边缘信息加入到图像的特征中,并引入梯度信息来结合Census匹配代价,得到对应的预处理图像。
3.如权利要求2所述的基于施工图审查矢量图纸编译方法,其特征在于,引入梯度信息来结合Census匹配代价,得到对应的预处理图像,包括:
采用最小生成树算法结合跨尺度代价聚合方法来进行代价聚合;
运用基于超像素分割的视差优化方法,引入联合选择机制,以边缘信息为界限,得到对应的预处理图像。
4.如权利要求1所述的基于施工图审查矢量图纸编译方法,其特征在于,对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域,包括:
利用dilate函数对所述预处理图像进行膨胀操作,并与设定的二值化矩阵进行卷积运算,得到对应的连通域;
基于所述连通域进行筛选划分,得到对应的文字识别区域。
5.如权利要求4所述的基于施工图审查矢量图纸编译方法,其特征在于,基于所述连通域进行筛选划分,得到对应的文字识别区域,包括:
基于设定的长度阈值和面积阈值,对所述长度阈值和所述面积阈值采用排列组合的方法进行筛选;
将筛选得到的区域在所述连通域中进行分割,得到对应的所述文字识别区域。
6.如权利要求1所述的基于施工图审查矢量图纸编译方法,其特征在于,对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译,包括:
利用预设的反馈神经网络计算出对应的扩充文字端点和扩充置信度,并基于相对的两个所述文字识别区域的相对角度和重叠度判断是否进行合并;
若需要合并,则采用胜者为王策略选择对应的所述扩充置信度作为合并后的所述文字识别区域的扩充置信度。
7.一种基于施工图审查矢量图纸编译系统,如权利要求1至权利要求6任一项所述的一种基于施工图审查矢量图纸编译方法应用于一种基于施工图审查矢量图纸编译系统,其特征在于,
所述基于施工图审查矢量图纸编译系统包括图纸获取模块、预处理模块、文字区域划分模块和文字识别模块,所述图纸获取模块、所述预处理模块、所述文字区域划分模块和所述文字识别模块依次连接;
所述图纸获取模块,用于获取待检测的施工图,并将所述施工图的格式进行标准化转换;
所述预处理模块,用于利用基于边缘信息的立体检测算法对转换后的所述施工图进行预处理,得到对应的预处理图像;
所述文字区域划分模块,用于对所述预处理图像进行膨胀操作,并基于形成的连通域,划分文字识别区域;
所述文字识别模块,用于对所述文字区域进行扩充和合并,并对得到的文字行中的文字进行识别,完成编译。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324201.9A CN112419208A (zh) | 2020-11-23 | 2020-11-23 | 一种基于施工图审查矢量图纸编译方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324201.9A CN112419208A (zh) | 2020-11-23 | 2020-11-23 | 一种基于施工图审查矢量图纸编译方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112419208A true CN112419208A (zh) | 2021-02-26 |
Family
ID=74778131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011324201.9A Pending CN112419208A (zh) | 2020-11-23 | 2020-11-23 | 一种基于施工图审查矢量图纸编译方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419208A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429638A (zh) * | 2022-04-06 | 2022-05-03 | 四川省大数据中心 | 一种施工图审查管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809164A (zh) * | 2016-03-11 | 2016-07-27 | 北京旷视科技有限公司 | 文字识别方法和装置 |
CN109002824A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于OpenCV的建筑图纸标签信息检测方法 |
CN110413793A (zh) * | 2019-06-11 | 2019-11-05 | 福建奇点时空数字科技有限公司 | 一种基于翻译模型的知识图谱实体特征挖掘方法 |
CN111538415A (zh) * | 2020-04-28 | 2020-08-14 | 北京航空航天大学 | 一种维修可达的判断方法及系统 |
CN111626995A (zh) * | 2020-05-19 | 2020-09-04 | 上海艾豚科技有限公司 | 一种针对工件的智能嵌件检测方法和装置 |
CN111833393A (zh) * | 2020-07-05 | 2020-10-27 | 桂林电子科技大学 | 一种基于边缘信息的双目立体匹配方法 |
-
2020
- 2020-11-23 CN CN202011324201.9A patent/CN112419208A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809164A (zh) * | 2016-03-11 | 2016-07-27 | 北京旷视科技有限公司 | 文字识别方法和装置 |
CN109002824A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于OpenCV的建筑图纸标签信息检测方法 |
CN110413793A (zh) * | 2019-06-11 | 2019-11-05 | 福建奇点时空数字科技有限公司 | 一种基于翻译模型的知识图谱实体特征挖掘方法 |
CN111538415A (zh) * | 2020-04-28 | 2020-08-14 | 北京航空航天大学 | 一种维修可达的判断方法及系统 |
CN111626995A (zh) * | 2020-05-19 | 2020-09-04 | 上海艾豚科技有限公司 | 一种针对工件的智能嵌件检测方法和装置 |
CN111833393A (zh) * | 2020-07-05 | 2020-10-27 | 桂林电子科技大学 | 一种基于边缘信息的双目立体匹配方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429638A (zh) * | 2022-04-06 | 2022-05-03 | 四川省大数据中心 | 一种施工图审查管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814794A (zh) | 文本检测方法、装置、电子设备及存储介质 | |
US8687895B2 (en) | Image processing apparatus, image processing method, and computer-readable medium | |
CN109740542B (zh) | 基于改进型east算法的文本检测方法 | |
CN116645592B (zh) | 一种基于图像处理的裂缝检测方法和存储介质 | |
CN114155527A (zh) | 一种场景文本识别方法和装置 | |
CN115131797B (zh) | 一种基于特征增强金字塔网络的场景文本检测方法 | |
CN111626145B (zh) | 一种简捷有效的残缺表格识别及跨页拼接方法 | |
CN113158895A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
CN113591831A (zh) | 一种基于深度学习的字体识别方法、系统及存储介质 | |
CN112883926A (zh) | 表格类医疗影像的识别方法及装置 | |
CN114494786A (zh) | 一种基于多层协调卷积神经网络的细粒度图像分类方法 | |
CN113065404B (zh) | 基于等宽文字片段的火车票内容检测方法与系统 | |
CN112364863B (zh) | 证照文档的文字定位方法及系统 | |
CN112419208A (zh) | 一种基于施工图审查矢量图纸编译方法及系统 | |
CN111832390B (zh) | 一种手写古文字检测方法 | |
CN111476226A (zh) | 一种文本定位方法、装置及模型训练方法 | |
CN114359739B (zh) | 目标识别方法及装置 | |
CN116452809A (zh) | 一种基于语义分割的线条物体提取方法 | |
CN115909378A (zh) | 单据文本检测模型的训练方法及单据文本检测方法 | |
CN115965987A (zh) | 基于异构架构的表格文字结构化识别方法 | |
CN115311666A (zh) | 图文识别方法、装置、计算机设备及存储介质 | |
CN114708591A (zh) | 基于单字连接的文档图像中文字符检测方法 | |
CN111931689B (zh) | 一种在线提取视频卫星数据鉴别特征的方法 | |
JPH0581474A (ja) | 文字列抽出方法および文字領域検出方法 | |
CN117456542B (zh) | 图像匹配方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210226 |