CN112528863A - 表格结构的识别方法、装置、电子设备及存储介质 - Google Patents
表格结构的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112528863A CN112528863A CN202011466844.7A CN202011466844A CN112528863A CN 112528863 A CN112528863 A CN 112528863A CN 202011466844 A CN202011466844 A CN 202011466844A CN 112528863 A CN112528863 A CN 112528863A
- Authority
- CN
- China
- Prior art keywords
- image
- text detection
- text
- area
- detection result
- 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
- 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
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- 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
- G06V30/43—Editing text-bitmaps, e.g. alignment, spacing; Semantic analysis of bitmaps of text without OCR
Abstract
本发明涉及人工智能技术,揭露了一种表格结构的识别方法,包括:获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图;使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图;对所述表格框架图进行图像连通域分析,得到表格结构信息;对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。此外,本发明还涉及区块链技术,所述待识别图像可存储于区块链的节点。本发明还提出一种表格结构的识别装置、电子设备以及计算机可读存储介质。本发明可以提高表格结构识别的准确性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种表格结构的识别方法、装置、电子设备及计算机可读存储介质。
背景技术
表格是日常中的常见文档形式,常见的表格文档包括Excel、WPS电子表格以及一些医疗发票及费用清单印刷表格等。在日常工作中我们往往需要将一个表格文档图片的内容导入电脑,做成excel电子文档。
传统的方法如OCR技术,可以从图片中自动提取文本信息,但是对于表格文件中的表格结构却不能够复原,需要用户手动还原成表格形式。现有技术还包括采用传统图像处理的方式提取表格,但是这种方法无法排除文字、印章、颜色干扰,提取的线条受背景影响大,识别结果的准确性较低。
发明内容
本发明提供一种表格结构的识别方法、装置及计算机可读存储介质,其主要目的在于提高表格结构识别的准确性。
为实现上述目的,本发明提供的一种表格结构的识别方法,包括:
获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图;
使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图;
对所述表格框架图进行图像连通域分析,得到表格结构信息;
对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
可选地,所述基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图,包括:
对所述待识别图像进行语义分割,得到原始表格区域图;
对所述原始表格区域图进行轮廓分析,得到所述原始表格区域图中表格区域的顶点坐标;
对所述顶点坐标进行外扩,得到校正顶点坐标;
根据所述校正顶点坐标对所述原始表格区域图进行透视变换,得到表格区域图。
可选地,所述使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图,包括:
通过所述分割模型的特征提取网络层对所述表格区域图进行特征提取,得到多个尺度的特征图;
通过所述分割模型的上采样网络层将所述多个尺度的特征图进行融合,得到线段特征图,并对所述线段特征图进行识别和标记,得到表格框架图。
可选地,所述对所述表格框架图进行图像连通域分析,得到表格结构图,包括:
利用基于轮廓的标记算法对所述表格框架图进行图像连通域分析,得到多个连通区域;
删除所述多个连通区域中符合预设的去除条件的连通区域;
对所述多个连通区域进行坐标排序,得到表格结构信息。
可选地,所述对所述多个连通区域进行坐标排序,得到表格结构信息,包括:
获取所述多个连通区域中每个连通区域的边界框位置信息,其中,所述边框位置信息包括连通区域左上角的坐标、连通区域的宽和高;
按照所述边框位置信息中的左上角y坐标值大小进行排序,将所述y坐标的差值在一定阈值内的连通区域划分为同一行,得到表格行线位置信息;
对所述表格行线位置信息中同一行的连通区域,根据所述边框位置信息中的左上角x坐标值大小进行排序,得到表格结构信息。
可选地,所述对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档,包括:
对所述表格区域图进行文本检测和文本识别,得到初始文本检测结果,其中所述初始文本检测结果包括多个文本检测框和与文本检测框对应的文本;
遍历所述初始文本检测结果中的文本检测框;
采用垂直投影方法对所述文本检测框对应的文本进行文本切断,得到文本检测结果;
采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,得到每个文本框对应的单元格位置信息和文字内容;
根据所述文本框对应的单元格位置信息和文字内容生成电子表格文档。
可选地,所述采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,包括:
遍历所述文本检测结果中的所有文本框;
获取所述表格结构信息中与所述文本框距离最近的单元格;
计算所述文本框与所述单元格的重合面积,并计算所述重合面积与所述单元格面积的比例,得到重合率;
将所述重合率与预设的置信阈值进行比较,得到比较结果;
在所述比较结果为所述重合率大于预设的置信阈值时,将所述文本框与所述单元格进行匹配。
为了解决上述问题,本发明还提供一种表格结构的识别装置,所述装置包括:
表格提取模块,用于获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图;
表格框线分割模块,用于使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图;
表格结构获取模块,用于对所述表格框架图进行图像连通域分析,得到表格结构信息;
文本识别模块,用于对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的表格结构的识别方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的表格结构的识别方法。
本发明实施例基于语义分割对所述待识别图像进行表格区域提取及校正,并使用分割模型对所述表格区域图进行表格框线分割,具有较强的鲁棒性,可以广泛用于各种表格文档;通过图像连通域分析得到表格结构信息,并通过文本识别获取文本信息,将文本信息与表格结构信息进行匹配,可以得到表格的位置信息与对应的文本内容,可以准确识别出表格结构,提高表格生成的准确性。因此本发明提出的表格结构的识别方法、装置、电子设备及计算机可读存储介质,可以提高表格结构识别的准确性。
附图说明
图1为本发明一实施例提供的表格结构的识别方法的流程示意图;
图2为本发明一实施例提供的表格结构的识别装置的功能模块图;
图3为本发明一实施例提供的实现所述表格结构的识别方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种表格结构的识别方法。所述表格结构的识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述表格结构的识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的表格结构的识别方法的流程示意图。在本实施例中,所述表格结构的识别方法包括:
S1、获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图。
本发明实施例中所述待识别图像是表格形式的文档图像,如医疗发票及费用清单,所述待识别图像中包括表格区域和非表格区域。进一步地,所述待识别图像可以从数据库中获取;或通过用户上传获取;或从一区块链的节点中获取。
可选地,所述待识别图像大多是人为拍照形成的图像,常常存在表格线倾斜或者存在一定的弯曲变形,故需要对所述待识别图像进行表格区域提取及校正,有利于提高后续的表格线分割的准确率。
详细地,所述基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图,包括:
对所述待识别图像进行语义分割,得到原始表格区域图;
对所述原始表格区域图进行轮廓分析,得到所述原始表格区域图中表格区域的顶点坐标;
对所述顶点坐标进行外扩,得到校正顶点坐标;
根据所述校正顶点坐标对所述原始表格区域图进行透视变换,得到表格区域图。
进一步地,本发明实施例采用深度神经网络对所述待识别图像进行语义分割,可以识别并分割出所述待识别图像中的表格区域和非表格区域。
进一步地,本发明实施例采用Unet算法对所述原始表格区域图进行轮廓分析。
进一步地,所述对所述顶点坐标进行外扩,得到校正顶点坐标,包括:
根据所述顶点坐标计算所述原始表格区域图中表格区域的宽和高;
按照宽和高的预设的比例对所述顶点坐标进行更新,得到校正顶点坐标。
例如,获取所述原始表格区域图中表格区域的左上和右下两个点的坐标[x1,y1,x2,y2]为顶点坐标,表格区域的宽w=|x1-x2|,表格区域的高h=|y1-y2|,按照宽和高的四分之一进行外扩,则顶点坐标的x1,x2按宽w的四分之一进行外扩,即顶点坐标的x2,y2按高h的四分之一进行外扩,即
本发明实施例所述透视变换是将图片投影到一个新的视平面,也称作投影映射。进一步地,所述根据所述校正顶点坐标对所述原始表格区域图进行透视变换,得到表格区域图,包括:获取预构建的透视变换矩阵;根据所述校正顶点坐标和所述透视变换矩阵对变换公式进行求解,得到透视变换后的变换顶点坐标,并根据所述变换顶点坐标得到表格区域图。其中,所述透视变换矩阵是通过训练图像中原始图像和变换图像的顶点坐标得到的变换矩阵;所述变换公式是目前已公开的通用变换公式。
传统的表格区域提取方法是基于图像处理的方法检测图片中表格的直线,提取最长的直线计算该直线的斜率并算出文档倾斜的角度,再对图片进行一定的角度旋转,但该方法需要针对不同图片调节参数,鲁棒性很差,且对于表格线弯曲的情况下准确率较差。本发明实施例采用语义分割和透视变换的方法可以对不同的图片进行表格区域提取,并能够对图片中倾斜的表格线进行校正,可以提高准确率。
S2、使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图。
本发明实施例中所述分割模型是一种基于深度学习的分割网络,可以分割出图像中物体的准确轮廓。所述分割模型包括特征提取网络层和上采样网络层,其中,所述特征提取网络层用于提取输入图像的特征,获取多个尺度的特征图,所述上采样网络层对多个尺度的特征图进行上采样或反卷积,将多个尺度的特征图融合。
详细地,所述使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图,包括:
通过所述分割模型的特征提取网络层对所述表格区域图进行特征提取,得到多个尺度的特征图;
通过所述分割模型的上采样网络层将所述多个尺度的特征图进行融合,得到线段特征图,并对所述线段特征图进行识别和标记,得到表格框架图。
本发明实施例将线段作为分割目标,利用分割模型对所述表格区域图中的表格框线进行识别、分割,得到所述表格框架图。所述表格框架图是包含完整表格框线的二值化图像,其中框线的颜色为白色,背景的颜色为黑色。
S3、对所述表格框架图进行图像连通域分析,得到表格结构信息。
可选地,本发明实施例中所述连通区域分析是指将图像中的各个连通区域找出并标记。其中,连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
详细地,所述对所述表格框架图进行图像连通域分析,得到表格结构图,包括:
利用基于轮廓的标记算法对所述表格框架图进行图像连通域分析,得到多个连通区域;
删除所述多个连通区域中符合预设的去除条件的连通区域;
对所述多个连通区域进行坐标排序,得到表格结构信息。
其中,所述预设的去除条件是连通区域为表格外的连通域或联通区域为整个大表格的连通域。
进一步地,所述对所述多个连通区域进行坐标排序,得到表格结构信息,包括:
获取所述多个连通区域中每个连通区域的边界框位置信息,其中,所述边框位置信息包括连通区域左上角的坐标、连通区域的宽和高;
按照所述边框位置信息中的左上角y坐标值大小进行排序,将所述y坐标的差值在一定阈值内的连通区域划分为同一行,得到表格行线位置信息;
对所述表格行线位置信息中同一行的连通区域,根据所述边框位置信息中的左上角x坐标值大小进行排序,得到表格结构信息,其中,所述表格结构信息中包含每个单元格的具体位置信息。
例如,对多个连通区域根据边框位置信息中y坐标(左上角y)进行排序,对于y坐标差值在一定阈值内划分为同一行,再根据同一行的边框位置信息中x坐标进行排序,得到每个单元格的具体位置信息,即表格结构信息。
S4、对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
详细地,所述S4,包括:
对所述表格区域图进行文本检测和文本识别,得到初始文本检测结果,其中所述初始文本检测结果包括多个文本检测框和与文本检测框对应的文本;
遍历所述初始文本检测结果中的文本检测框;
采用垂直投影方法对所述文本检测框对应的文本进行文本切断,得到文本检测结果,其中,所述文本检测结果包括多个文本框以及对应的文字内容;
采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,得到每个文本框对应的单元格位置信息和文字内容;
根据所述文本框对应的单元格位置信息和文字内容生成电子表格文档。
进一步地,本发明实施例采用目前已公开的OCR技术对所述表格区域图进行文本检测和文本识别。但初始文本检测结果中可能会将属于两个或多个单元格的文本但文字靠的比较紧密的文本检测为一个文本检测框,因此需要对所述初始文本检测结果进行进一步地检测,本发明实施例中采用垂直投影方法将粘连的文本进行切断。
进一步地,所述采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,包括:
遍历所述文本检测结果中的所有文本框;
获取所述表格结构信息中与所述文本框距离最近的单元格;
计算所述文本框与所述单元格的重合面积,并计算所述重合面积与所述单元格面积的比例,得到重合率;
将所述重合率与预设的置信阈值进行比较,得到比较结果;
在所述比较结果为所述重合率大于预设的置信阈值时,将所述文本框与所述单元格进行匹配。
本发明实施例可以对于电子表格进行自动信息录入,对于其它的印刷文档表格如医疗发票及费用清单也可以充分利用表格信息对各种内容进行分析及提取。
本发明实施例基于语义分割对所述待识别图像进行表格区域提取及校正,并使用分割模型对所述表格区域图进行表格框线分割,具有较强的鲁棒性,可以广泛用于各种表格文档;通过图像连通域分析得到表格结构信息,并通过文本识别获取文本信息,将文本信息与表格结构信息进行匹配,可以得到表格的位置信息与对应的文本内容,可以准确识别出表格结构,提高表格生成的准确性。因此本发明提出的表格结构的识别方法、装置、电子设备及计算机可读存储介质,可以提高表格结构识别的准确性。
如图2所示,是本发明一实施例提供的表格结构的识别装置的功能模块图。
本发明所述表格结构的识别装置100可以安装于电子设备中。根据实现的功能,所述表格结构的识别装置100可以包括表格提取模块101、表格框线分割模块102、表格结构获取模块103和文本识别模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述表格提取模块101,用于获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图。
本发明实施例中所述待识别图像是表格形式的文档图像,如医疗发票及费用清单,所述待识别图像中包括表格区域和非表格区域。进一步地,所述待识别图像可以从数据库中获取;或通过用户上传获取;或从一区块链的节点中获取。
可选地,所述待识别图像大多是人为拍照形成的图像,常常存在表格线倾斜或者存在一定的弯曲变形,故需要对所述待识别图像进行表格区域提取及校正,有利于提高后续的表格线分割的准确率。
详细地,所述表格提取模块101具体用于:
对所述待识别图像进行语义分割,得到原始表格区域图;
对所述原始表格区域图进行轮廓分析,得到所述原始表格区域图中表格区域的顶点坐标;
对所述顶点坐标进行外扩,得到校正顶点坐标;
根据所述校正顶点坐标对所述原始表格区域图进行透视变换,得到表格区域图。
进一步地,本发明实施例采用深度神经网络对所述待识别图像进行语义分割,可以识别并分割出所述待识别图像中的表格区域和非表格区域。
进一步地,本发明实施例采用Unet算法对所述原始表格区域图进行轮廓分析。
进一步地,所述对所述顶点坐标进行外扩,得到校正顶点坐标,包括:
根据所述顶点坐标计算所述原始表格区域图中表格区域的宽和高;
按照宽和高的预设的比例对所述顶点坐标进行更新,得到校正顶点坐标。
例如,获取所述原始表格区域图中表格区域的左上和右下两个点的坐标[x1,y1,x2,y2]为顶点坐标,表格区域的宽w=|x1-x2|,表格区域的高h=|y1-y2|,按照宽和高的四分之一进行外扩,则顶点坐标的x1,x2按宽w的四分之一进行外扩,即顶点坐标的x2,y2按高h的四分之一进行外扩,即
本发明实施例所述透视变换是将图片投影到一个新的视平面,也称作投影映射。进一步地,所述根据所述校正顶点坐标对所述原始表格区域图进行透视变换,得到表格区域图,包括:获取预构建的透视变换矩阵;根据所述校正顶点坐标和所述透视变换矩阵对变换公式进行求解,得到透视变换后的变换顶点坐标,并根据所述变换顶点坐标得到表格区域图。其中,所述透视变换矩阵是通过训练图像中原始图像和变换图像的顶点坐标得到的变换矩阵;所述变换公式是目前已公开的通用变换公式。
传统的表格区域提取方法是基于图像处理的方法检测图片中表格的直线,提取最长的直线计算该直线的斜率并算出文档倾斜的角度,再对图片进行一定的角度旋转,但该方法需要针对不同图片调节参数,鲁棒性很差,且对于表格线弯曲的情况下准确率较差。本发明实施例采用语义分割和透视变换的方法可以对不同的图片进行表格区域提取,并能够对图片中倾斜的表格线进行校正,可以提高准确率。
所述表格框线分割模块102,用于使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图。
本发明实施例中所述分割模型是一种基于深度学习的分割网络,可以分割出图像中物体的准确轮廓。所述分割模型包括特征提取网络层和上采样网络层,其中,所述特征提取网络层用于提取输入图像的特征,获取多个尺度的特征图,所述上采样网络层对多个尺度的特征图进行上采样或反卷积,将多个尺度的特征图融合。
详细地,所述表格框线分割模块102具体用于:
通过所述分割模型的特征提取网络层对所述表格区域图进行特征提取,得到多个尺度的特征图;
通过所述分割模型的上采样网络层将所述多个尺度的特征图进行融合,得到线段特征图,并对所述线段特征图进行识别和标记,得到表格框架图。
本发明实施例将线段作为分割目标,利用分割模型对所述表格区域图中的表格框线进行识别、分割,得到所述表格框架图。所述表格框架图是包含完整表格框线的二值化图像,其中框线的颜色为白色,背景的颜色为黑色。
所述表格结构获取模块103,用于对所述表格框架图进行图像连通域分析,得到表格结构信息。
可选地,本发明实施例中所述连通区域分析是指将图像中的各个连通区域找出并标记。其中,连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
详细地,所述表格结构获取模块103具体用于:
利用基于轮廓的标记算法对所述表格框架图进行图像连通域分析,得到多个连通区域;
删除所述多个连通区域中符合预设的去除条件的连通区域;
对所述多个连通区域进行坐标排序,得到表格结构信息。
其中,所述预设的去除条件是连通区域为表格外的连通域或联通区域为整个大表格的连通域。
进一步地,所述对所述多个连通区域进行坐标排序,得到表格结构信息,包括:
获取所述多个连通区域中每个连通区域的边界框位置信息,其中,所述边框位置信息包括连通区域左上角的坐标、连通区域的宽和高;
按照所述边框位置信息中的左上角y坐标值大小进行排序,将所述y坐标的差值在一定阈值内的连通区域划分为同一行,得到表格行线位置信息;
对所述表格行线位置信息中同一行的连通区域,根据所述边框位置信息中的左上角x坐标值大小进行排序,得到表格结构信息,其中,所述表格结构信息中包含每个单元格的具体位置信息。
例如,对多个连通区域根据边框位置信息中y坐标(左上角y)进行排序,对于y坐标差值在一定阈值内划分为同一行,再根据同一行的边框位置信息中x坐标进行排序,得到每个单元格的具体位置信息,即表格结构信息。
所述文本识别模块104,用于对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
详细地,所述文本识别模块104具体用于:
对所述表格区域图进行文本检测和文本识别,得到初始文本检测结果,其中所述初始文本检测结果包括多个文本检测框和与文本检测框对应的文本;
遍历所述初始文本检测结果中的文本检测框;
采用垂直投影方法对所述文本检测框对应的文本进行文本切断,得到文本检测结果,其中,所述文本检测结果包括多个文本框以及对应的文字内容;
采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,得到每个文本框对应的单元格位置信息和文字内容;
根据所述文本框对应的单元格位置信息和文字内容生成电子表格文档。
进一步地,本发明实施例采用目前已公开的OCR技术对所述表格区域图进行文本检测和文本识别。但初始文本检测结果中可能会将属于两个或多个单元格的文本但文字靠的比较紧密的文本检测为一个文本检测框,因此需要对所述初始文本检测结果进行进一步地检测,本发明实施例中采用垂直投影方法将粘连的文本进行切断。
进一步地,所述采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,包括:
遍历所述文本检测结果中的所有文本框;
获取所述表格结构信息中与所述文本框距离最近的单元格;
计算所述文本框与所述单元格的重合面积,并计算所述重合面积与所述单元格面积的比例,得到重合率;
将所述重合率与预设的置信阈值进行比较,得到比较结果;
在所述比较结果为所述重合率大于预设的置信阈值时,将所述文本框与所述单元格进行匹配。
本发明实施例可以对于电子表格进行自动信息录入,对于其它的印刷文档表格如医疗发票及费用清单也可以充分利用表格信息对各种内容进行分析及提取。
如图3所示,是本发明一实施例提供的实现表格结构的识别方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如表格结构的识别程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如表格结构的识别程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如表格结构的识别程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的表格结构的识别程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图;
使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图;
对所述表格框架图进行图像连通域分析,得到表格结构信息;
对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图;
使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图;
对所述表格框架图进行图像连通域分析,得到表格结构信息;
对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种表格结构的识别方法,其特征在于,所述方法包括:
获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图;
使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图;
对所述表格框架图进行图像连通域分析,得到表格结构信息;
对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
2.如权利要求1所述的表格结构的识别方法,其特征在于,所述基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图,包括:
对所述待识别图像进行语义分割,得到原始表格区域图;
对所述原始表格区域图进行轮廓分析,得到所述原始表格区域图中表格区域的顶点坐标;
对所述顶点坐标进行外扩,得到校正顶点坐标;
根据所述校正顶点坐标对所述原始表格区域图进行透视变换,得到表格区域图。
3.如权利要求1所述的表格结构的识别方法,其特征在于,所述使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图,包括:
通过所述分割模型的特征提取网络层对所述表格区域图进行特征提取,得到多个尺度的特征图;
通过所述分割模型的上采样网络层将所述多个尺度的特征图进行融合,得到线段特征图,并对所述线段特征图进行识别和标记,得到表格框架图。
4.如权利要求1所述的表格结构的识别方法,其特征在于,所述对所述表格框架图进行图像连通域分析,得到表格结构图,包括:
利用基于轮廓的标记算法对所述表格框架图进行图像连通域分析,得到多个连通区域;
删除所述多个连通区域中符合预设的去除条件的连通区域;
对所述多个连通区域进行坐标排序,得到表格结构信息。
5.如权利要求4所述的表格结构的识别方法,其特征在于,所述对所述多个连通区域进行坐标排序,得到表格结构信息,包括:
获取所述多个连通区域中每个连通区域的边界框位置信息,其中,所述边框位置信息包括连通区域左上角的坐标、连通区域的宽和高;
按照所述边框位置信息中的左上角y坐标值大小进行排序,将所述y坐标的差值在一定阈值内的连通区域划分为同一行,得到表格行线位置信息;
对所述表格行线位置信息中同一行的连通区域,根据所述边框位置信息中的左上角x坐标值大小进行排序,得到表格结构信息。
6.如权利要求1至5中任意一项所述的表格结构的识别方法,其特征在于,所述对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档,包括:
对所述表格区域图进行文本检测和文本识别,得到初始文本检测结果,其中所述初始文本检测结果包括多个文本检测框和与文本检测框对应的文本;
遍历所述初始文本检测结果中的文本检测框;
采用垂直投影方法对所述文本检测框对应的文本进行文本切断,得到文本检测结果;
采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,得到每个文本框对应的单元格位置信息和文字内容;
根据所述文本框对应的单元格位置信息和文字内容生成电子表格文档。
7.如权利要求6所述的表格结构的识别方法,其特征在于,所述采用阈值判断法将所述文本检测结果与表格结构信息进行匹配,包括:
遍历所述文本检测结果中的所有文本框;
获取所述表格结构信息中与所述文本框距离最近的单元格;
计算所述文本框与所述单元格的重合面积,并计算所述重合面积与所述单元格面积的比例,得到重合率;
将所述重合率与预设的置信阈值进行比较,得到比较结果;
在所述比较结果为所述重合率大于预设的置信阈值时,将所述文本框与所述单元格进行匹配。
8.一种表格结构的识别装置,其特征在于,所述装置包括:
表格提取模块,用于获取待识别图像,基于语义分割对所述待识别图像进行表格区域提取及校正,得到表格区域图;
表格框线分割模块,用于使用预先构建的分割模型对所述表格区域图进行表格框线分割,得到表格框架图;
表格结构获取模块,用于对所述表格框架图进行图像连通域分析,得到表格结构信息;
文本识别模块,用于对所述表格区域图进行文本检测和识别,得到文本检测结果,并根据所述文本检测结果和所述表格结构信息生成与所述待识别图片对应的电子表格文档。
9.一种电子设备,其特征在于,所述电子设备包括:
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如权利要求1至7中任意一项所述的表格结构的识别方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的表格结构的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466844.7A CN112528863A (zh) | 2020-12-14 | 2020-12-14 | 表格结构的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466844.7A CN112528863A (zh) | 2020-12-14 | 2020-12-14 | 表格结构的识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112528863A true CN112528863A (zh) | 2021-03-19 |
Family
ID=74999502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011466844.7A Pending CN112528863A (zh) | 2020-12-14 | 2020-12-14 | 表格结构的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528863A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883926A (zh) * | 2021-03-24 | 2021-06-01 | 泰康保险集团股份有限公司 | 表格类医疗影像的识别方法及装置 |
CN113065536A (zh) * | 2021-06-03 | 2021-07-02 | 北京欧应信息技术有限公司 | 处理表格的方法、计算设备和计算机可读存储介质 |
CN113191131A (zh) * | 2021-05-10 | 2021-07-30 | 重庆中科云从科技有限公司 | 用于文本识别的表格模板建立方法、文本识别方法、系统 |
CN113221778A (zh) * | 2021-05-19 | 2021-08-06 | 北京航空航天大学杭州创新研究院 | 手写表格的检测与识别方法及装置 |
CN113239227A (zh) * | 2021-06-02 | 2021-08-10 | 泰康保险集团股份有限公司 | 图像数据结构化方法、装置、电子设备及计算机可读介质 |
CN113268982A (zh) * | 2021-06-03 | 2021-08-17 | 湖南四方天箭信息科技有限公司 | 一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质 |
CN113283355A (zh) * | 2021-05-31 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 一种表格图像的识别方法、装置、计算机设备及存储介质 |
CN113569677A (zh) * | 2021-07-16 | 2021-10-29 | 国网天津市电力公司 | 一种基于扫描件的纸质试验报告生成方法 |
CN113591746A (zh) * | 2021-08-05 | 2021-11-02 | 上海金仕达软件科技有限公司 | 一种文档表格结构检测方法及装置 |
CN113657274A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 表格生成方法、装置、电子设备、存储介质及产品 |
CN113723362A (zh) * | 2021-09-27 | 2021-11-30 | 上海合合信息科技股份有限公司 | 一种在图像中检测表格线的方法及装置 |
CN113762158A (zh) * | 2021-09-08 | 2021-12-07 | 平安资产管理有限责任公司 | 无边框表格复原模型训练方法、装置、计算机设备和介质 |
CN114092948A (zh) * | 2021-11-24 | 2022-02-25 | 北京百度网讯科技有限公司 | 一种票据识别方法、装置、设备以及存储介质 |
CN114639107A (zh) * | 2022-04-21 | 2022-06-17 | 北京百度网讯科技有限公司 | 表格图像处理方法、装置和存储介质 |
CN115273108A (zh) * | 2022-06-17 | 2022-11-01 | 吉林省吉林祥云信息技术有限公司 | 一种人工智能识别自动归集方法及系统 |
CN115409007A (zh) * | 2022-11-01 | 2022-11-29 | 摩尔线程智能科技(北京)有限责任公司 | 电子表格的生成方法、装置、电子设备及存储介质 |
WO2023071119A1 (zh) * | 2021-10-30 | 2023-05-04 | 平安科技(深圳)有限公司 | 文字检测识别方法、装置、电子设备及存储介质 |
CN116071770A (zh) * | 2023-03-06 | 2023-05-05 | 深圳前海环融联易信息科技服务有限公司 | 表格通用识别方法、装置、设备和介质 |
CN116311310A (zh) * | 2023-05-19 | 2023-06-23 | 之江实验室 | 一种结合语义分割和序列预测的通用表格识别方法和装置 |
WO2023134447A1 (zh) * | 2022-01-12 | 2023-07-20 | 华为技术有限公司 | 数据处理的方法和相关设备 |
CN116503888A (zh) * | 2023-06-29 | 2023-07-28 | 杭州同花顺数据开发有限公司 | 一种从图像中提取表格的方法、系统和存储介质 |
CN117037194A (zh) * | 2023-05-10 | 2023-11-10 | 广州方舟信息科技有限公司 | 单据图像的表格识别方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-14 CN CN202011466844.7A patent/CN112528863A/zh active Pending
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883926A (zh) * | 2021-03-24 | 2021-06-01 | 泰康保险集团股份有限公司 | 表格类医疗影像的识别方法及装置 |
CN112883926B (zh) * | 2021-03-24 | 2023-07-04 | 泰康保险集团股份有限公司 | 表格类医疗影像的识别方法及装置 |
CN113191131A (zh) * | 2021-05-10 | 2021-07-30 | 重庆中科云从科技有限公司 | 用于文本识别的表格模板建立方法、文本识别方法、系统 |
CN113221778B (zh) * | 2021-05-19 | 2022-05-10 | 北京航空航天大学杭州创新研究院 | 手写表格的检测与识别方法及装置 |
CN113221778A (zh) * | 2021-05-19 | 2021-08-06 | 北京航空航天大学杭州创新研究院 | 手写表格的检测与识别方法及装置 |
CN113283355A (zh) * | 2021-05-31 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 一种表格图像的识别方法、装置、计算机设备及存储介质 |
CN113239227A (zh) * | 2021-06-02 | 2021-08-10 | 泰康保险集团股份有限公司 | 图像数据结构化方法、装置、电子设备及计算机可读介质 |
CN113239227B (zh) * | 2021-06-02 | 2023-11-17 | 泰康保险集团股份有限公司 | 图像数据结构化方法、装置、电子设备及计算机可读介质 |
CN113065536A (zh) * | 2021-06-03 | 2021-07-02 | 北京欧应信息技术有限公司 | 处理表格的方法、计算设备和计算机可读存储介质 |
CN113268982A (zh) * | 2021-06-03 | 2021-08-17 | 湖南四方天箭信息科技有限公司 | 一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质 |
CN113065536B (zh) * | 2021-06-03 | 2021-09-14 | 北京欧应信息技术有限公司 | 处理表格的方法、计算设备和计算机可读存储介质 |
CN113569677A (zh) * | 2021-07-16 | 2021-10-29 | 国网天津市电力公司 | 一种基于扫描件的纸质试验报告生成方法 |
CN113591746A (zh) * | 2021-08-05 | 2021-11-02 | 上海金仕达软件科技有限公司 | 一种文档表格结构检测方法及装置 |
CN113657274A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 表格生成方法、装置、电子设备、存储介质及产品 |
CN113762158A (zh) * | 2021-09-08 | 2021-12-07 | 平安资产管理有限责任公司 | 无边框表格复原模型训练方法、装置、计算机设备和介质 |
CN113723362A (zh) * | 2021-09-27 | 2021-11-30 | 上海合合信息科技股份有限公司 | 一种在图像中检测表格线的方法及装置 |
WO2023045298A1 (zh) * | 2021-09-27 | 2023-03-30 | 上海合合信息科技股份有限公司 | 一种在图像中检测表格线的方法及装置 |
WO2023071119A1 (zh) * | 2021-10-30 | 2023-05-04 | 平安科技(深圳)有限公司 | 文字检测识别方法、装置、电子设备及存储介质 |
CN114092948A (zh) * | 2021-11-24 | 2022-02-25 | 北京百度网讯科技有限公司 | 一种票据识别方法、装置、设备以及存储介质 |
CN114092948B (zh) * | 2021-11-24 | 2023-09-22 | 北京百度网讯科技有限公司 | 一种票据识别方法、装置、设备以及存储介质 |
WO2023134447A1 (zh) * | 2022-01-12 | 2023-07-20 | 华为技术有限公司 | 数据处理的方法和相关设备 |
CN114639107A (zh) * | 2022-04-21 | 2022-06-17 | 北京百度网讯科技有限公司 | 表格图像处理方法、装置和存储介质 |
CN114639107B (zh) * | 2022-04-21 | 2023-03-24 | 北京百度网讯科技有限公司 | 表格图像处理方法、装置和存储介质 |
CN115273108B (zh) * | 2022-06-17 | 2023-11-17 | 吉林省吉林祥云信息技术有限公司 | 一种人工智能识别自动归集方法及系统 |
CN115273108A (zh) * | 2022-06-17 | 2022-11-01 | 吉林省吉林祥云信息技术有限公司 | 一种人工智能识别自动归集方法及系统 |
CN115409007A (zh) * | 2022-11-01 | 2022-11-29 | 摩尔线程智能科技(北京)有限责任公司 | 电子表格的生成方法、装置、电子设备及存储介质 |
CN116071770B (zh) * | 2023-03-06 | 2023-06-16 | 深圳前海环融联易信息科技服务有限公司 | 表格通用识别方法、装置、设备和介质 |
CN116071770A (zh) * | 2023-03-06 | 2023-05-05 | 深圳前海环融联易信息科技服务有限公司 | 表格通用识别方法、装置、设备和介质 |
CN117037194A (zh) * | 2023-05-10 | 2023-11-10 | 广州方舟信息科技有限公司 | 单据图像的表格识别方法、装置、电子设备及存储介质 |
CN116311310A (zh) * | 2023-05-19 | 2023-06-23 | 之江实验室 | 一种结合语义分割和序列预测的通用表格识别方法和装置 |
CN116503888B (zh) * | 2023-06-29 | 2023-09-05 | 杭州同花顺数据开发有限公司 | 一种从图像中提取表格的方法、系统和存储介质 |
CN116503888A (zh) * | 2023-06-29 | 2023-07-28 | 杭州同花顺数据开发有限公司 | 一种从图像中提取表格的方法、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528863A (zh) | 表格结构的识别方法、装置、电子设备及存储介质 | |
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN111652845A (zh) | 异常细胞自动标注方法、装置、电子设备及存储介质 | |
CN110866495A (zh) | 票据图像识别方法及装置和设备、训练方法和存储介质 | |
CN111767911A (zh) | 面向复杂环境的印章文字检测识别方法、装置及介质 | |
CN112052850A (zh) | 车牌识别方法、装置、电子设备及存储介质 | |
CN113920117B (zh) | 一种面板缺陷区域检测方法、装置、电子设备及存储介质 | |
CN112418216A (zh) | 一种复杂自然场景图像中的文字检测方法 | |
CN111639704A (zh) | 目标识别方法、装置及计算机可读存储介质 | |
CN110807454A (zh) | 基于图像分割的文字定位方法、装置、设备及存储介质 | |
CN112860905A (zh) | 文本信息抽取方法、装置、设备及可读存储介质 | |
CN112507934A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN113033543A (zh) | 曲形文本识别方法、装置、设备及介质 | |
CN114881698A (zh) | 广告合规审核方法、装置、电子设备及存储介质 | |
CN114708461A (zh) | 基于多模态学习模型的分类方法、装置、设备及存储介质 | |
CN112132016A (zh) | 票据信息提取方法、装置及电子设备 | |
CN114723636A (zh) | 基于多特征融合的模型生成方法、装置、设备及存储介质 | |
CN112560855B (zh) | 图像信息提取方法、装置、电子设备及存储介质 | |
CN112862703B (zh) | 基于移动拍照的图像校正方法、装置、电子设备及介质 | |
CN114332883A (zh) | 发票信息识别方法、装置、计算机设备及存储介质 | |
CN113487621A (zh) | 医学图像分级方法、装置、电子设备及可读存储介质 | |
CN112668575A (zh) | 关键信息提取方法、装置、电子设备及存储介质 | |
CN112528903A (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
CN111814743A (zh) | 笔迹识别方法、装置及计算机可读存储介质 | |
CN113706422B (zh) | 一种基于获取关键点的图像校正方法、装置、设备及介质 |
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 |