CN113033534A - 建立票据类型识别模型与识别票据类型的方法、装置 - Google Patents
建立票据类型识别模型与识别票据类型的方法、装置 Download PDFInfo
- Publication number
- CN113033534A CN113033534A CN202110262267.8A CN202110262267A CN113033534A CN 113033534 A CN113033534 A CN 113033534A CN 202110262267 A CN202110262267 A CN 202110262267A CN 113033534 A CN113033534 A CN 113033534A
- Authority
- CN
- China
- Prior art keywords
- text
- bill
- features
- feature
- modal
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种建立票据类型识别模型与识别票据类型的方法,涉及人工智能领域,具体涉及计算机视觉和深度学习技术,可用于OCR场景下。建立识别模型的方法:获取训练数据;对多个票据图像进行文本检测,确定各票据图像中的文本框以及各文本框的位置信息和文本信息;构建包含多模态特征提取模块的神经网络模型;使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及标注类型对神经网络模型进行训练,得到识别模型。识别票据类型的方法:获取待识别票据图像;对待识别票据图像进行文本检测确定文本框以及各文本框的位置信息和文本信息:将待识别票据图像、各文本框的位置信息和文本信息作为识别模型的输入,将输出结果作为票据类型。
Description
技术领域
本申请涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术,可用于OCR场景下。提供了一种建立票据类型识别模型与识别票据类型的方法、装置、电子设备以及可读存储介质。
背景技术
票据是一种重要的结构化信息的文本载体。伴随着社会形式的发展、商业活动的增加,票据的样式呈现线性增长,发展出形态各异的类型。在相关部门进行报销时,需要审核几种甚至十几种不同类型的票据,部分票据结构存在很大的相似性。相关人员需要依据审核需求将这些票据精细地分门别类,耗时费力。
发明内容
本申请提供了一种建立票据类型识别模型与识别票据类型的方法、装置、电子设备以及可读存储介质,用于建立能够自动识别票据类型的票据类型识别模型,提升票据类型识别的效率与准确性。
根据本申请的第一方面,提供了一种建立票据类型识别模型的方法,包括:获取训练数据,所述训练数据中包含多个票据图像以及对应各票据图像的标注类型;对所述多个票据图像进行文本检测,分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息;构建包含多模态特征提取模块的神经网络模型,所述多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征;使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对所述神经网络模型进行训练,直至所述神经网络模型收敛,得到票据类型识别模型方法。
根据本申请的第二方面,提供了一种识别票据类型的方法,包括:获取待识别票据图像;对所述待识别票据图像进行文本检测,确定所述待识别票据图像中的文本框以及各文本框的位置信息和文本信息:将所述待识别票据图像、所述待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将所述票据类型识别模型的输出结果作为所述待识别票据图像的类型装置。
根据本申请的第三方面,提供了一种建立票据类型识别模型的装置,包括:第一获取单元,用于获取训练数据,所述训练数据中包含多个票据图像以及对应各票据图像的标注类型;第一确定单元,用于对所述多个票据图像进行文本检测,分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息;构建单元,用于构建包含多模态特征提取模块的神经网络模型,所述多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征;训练单元,用于使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对所述神经网络模型进行训练,直至所述神经网络模型收敛,得到票据类型识别模型。
根据本申请的第四方面,提供了一种识别票据类型的装置,包括:第二获取单元,用于获取待识别票据图像;第二确定单元,用于对所述待识别票据图像进行文本检测,确定所述待识别票据图像中的文本框以及各文本框的位置信息和文本信息:识别单元,用于将所述待识别票据图像、所述待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将所述票据类型识别模型的输出结果作为所述待识别票据图像的类型。
根据本申请的第五方面,提供了一种电子设备,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如上所述的方法。
根据本申请的第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本申请的第七方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
由以上技术方案可以看出,通过在神经网络模型中设置能够提取票据图像中各文本框的区域特征、位置特征和文本特征来得到多模态特征的多模态特征提取模块,扩展了神经网络模型在识别票据图像的类型时所使用的特征维度,从而提升了训练得到的票据类型识别模型在识别票据的类型时的准确性。
应当理解,本部分分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请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是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是根据本申请第三实施例的示意图;
图4是根据本申请第四实施例的示意图;
图5是根据本申请第五实施例的示意图;
图6是根据本申请第六实施例的示意图;
图7是用来实现本申请实施例的建立票据类型识别模型与识别票据类型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机构的描述。
图1是根据本申请第一实施例的示意图。如图1所示,本实施例的建立票据类型识别模型的方法,具体可以包括如下步骤:
S101、获取训练数据,所述训练数据中包含多个票据图像以及对应各票据图像的标注类型;
S102、对所述多个票据图像进行文本检测,分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息;
S103、构建包含多模态特征提取模块的神经网络模型,所述多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征;
S104、使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对所述神经网络模型进行训练,直至所述神经网络模型收敛,得到票据类型识别模型。
本实施例的建立票据类型识别模型的方法,在对训练数据中的各票据图像进行文本检测确定各票据图像中的文本框及其对应的位置信息和文本信息之后,使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型来训练神经网络模型以得到票据类型识别模型,由于该神经网络模型包含能够提取由票据图像中各文本框的区域特征、位置特征和文本特征所得到的多模态特征的多模态特征提取模块,因此扩展了神经网络模型在识别票据图像的类型时所使用的特征维度,从而提升了训练得到的票据类型识别模型的识别准确性。
本实施例执行S101获取的训练数据中对应各票据图像的标注类型,可以为各票据图像的类型名称,例如类型A、类型B;也可以为各票据图像的类型名称所对应的字符代码,例如字符代码0对应类型A、字符代码1对应类型B等等。
本实施例在执行S101获取了多个票据图像以及对应各票据图像的标注类型之后,执行S102对所获取的多个票据图像进行文本检测,从而分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息。
本实施例执行S102所确定的票据图像中的文本框,为框选票据图像中的文本字符串的一个或多个四边形的方框,每个文本框包围票据图像中的部分文本字符串。
本实施例执行S102所确定的文本框的位置信息,为文本框的左上点在票据图像中的横坐标与纵坐标、文本框的框宽与框高;本实施例执行S102所确定的文本框的文本信息,为文本框所框选的文本字符串的内容。
本实施例在执行S102对票据图像进行文本检测时,可以使用光学字符识别(Optical Character Recognition,OCR)技术进行检测,在确定票据图像中的文本框之后,再根据所确定的文本框来确定文本框的位置信息和文本信息。
本实施例在执行S102分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息之后,执行S103构建包含多模态特征提取模块的神经网络模型,该多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征。
可以理解的是,本实施例执行S102所构建的神经网络模型中,除了多模态特征提取模块之外,还包含基本的输入模块和输出模块;其中,神经网络模型的输入模块用于将所输入的票据图像、票据图像中各文本框的位置信息和文本信息输入多模态特征提取模块以进行多模态特征的提取;神经网络模型的输出模块用于根据多模态特征提取模块输出的多模态特征来输出票据图像所属的类型。
具体地,本实施例执行S102所构建的多模态特征提取模块,在根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征时,可以采用的可选实现方式为:提取票据图像的特征图(feature map),多模态特征提取模块可以使用卷积神经网络(Convolutional NeuralNetworks,CNN)来提取整张票据图像的特征图;将所提取的特征图中各文本框所在区域的特征,作为各文本框的区域特征,该区域特征反映文本框的视觉特征;对各文本框的位置信息进行位置编码,将编码结果作为各文本框的位置特征,该位置特征反映文本框的版式特征;对各文本框的文本信息进行文本编码,将编码结果作为各文本框的文本特征,多模态特征提取模块可以使用双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)来对文本信息进行文本编码,该文本特征反映文本框的语义特征;分别将各文本框的区域特征、位置特征和文本特征进行拼接之后,将各文本框的特征拼接结果作为票据图像的多模态特征,即多模态特征为由各文本框的特征拼接结果所组成的集合。
也就是说,本实施例通过在神经网络模型中设置多模态特征提取模块来提取多模态特征,使得神经网络模型在训练过程中能够充分学习不同的票据在视觉、版式和语义等特征上的差异,从而提升神经网络模型的训练效果,使得训练得到的票据类型识别模型能够更加准确地输出票据类型。
其中,本实施例中的多模态特征提取模块在对文本框的位置信息进行位置编码得到位置特征时,可以根据位置信息中各类信息之间的关系来进行位置编码,例如根据横纵坐标之间的关系、框的宽高之间的关系等。
本实施例在执行S103构建包含多模态特征提取模块的神经网络模型之后,执行S104使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对神经网络模型进行训练,直至神经网络模型收敛,得到票据类型识别模型。
本实施例执行S104所得到的票据类型识别模型,能够根据输入的票据图像、票据图像中各文本框的位置信息和文本信息来输出该票据图像所属的类型。
本实施例在执行S104使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对神经网络模型进行训练,直至神经网络模型收敛时,可以采用的可选实现方式为:各票据图像、各票据图像中各文本框的位置信息和文本信息作为神经网络模型的输入,得到神经网络模型针对各票据图像的输出结果;根据各票据图像的输出结果与对应各票据图像的标注类型计算损失函数,本实施例可以使用交叉熵损失函数的计算方式来计算得到损失函数;在确定计算得到的损失函数收敛的情况下,完成对神经网络模型的训练。
根据本实施例所提供的上述方法,通过在神经网络模型中设置能够提取票据图像中各文本框的区域特征、位置特征和文本特征来得到多模态特征的多模态特征提取模块,扩展了神经网络模型在识别票据图像的类型时所使用的特征维度,即除了票据图像本身之外,还会结合对票据图像进行文本检测所得到的文本框的位置信息和文本信息来进行识别,从而提升了训练得到的票据类型识别模型在识别票据的类型时的准确性。
图2是根据本申请第二实施例的示意图。如图2所示,本实施例的建立票据类型识别模型的方法,具体可以包括如下步骤:
S201、获取训练数据,所述训练数据中包含多个票据图像以及对应各票据图像的标注类型;
S202、对所述多个票据图像进行文本检测,分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息;
S203、构建包含多模态特征提取模块、特征编码模块和特征解码模块的神经网络模型,所述多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征,所述特征编码模块用于对所述多模态特征进行编码得到编码特征,所述特征解码模块用于对所述编码特征进行解码得到解码特征;
S204、使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对所述神经网络模型进行训练,直至所述神经网络模型收敛,得到票据类型识别模型。
也就是说,本实施例在构建神经网络模型时,除了设置输入模块、多模态特征提取模块和输出模块之外,还会通过设置特征编码模块和特征解码模块的方式,对多模态特征提取模块所提取的多模态特征进行编码和解码,从而得到多模态特征在视觉、版式和语义等不同特征维度上的综合表示,进一步提升神经网络模型用于类型识别的特征的准确性。
其中,本实施例中的特征编码模块包含多层特征编码器,每层特征编码器可以为双向转换自编码器(Bidirectional Encoder Representation from Transformers,BERT)。
具体地,本实施例执行S203所构建的特征编码模块,在对多模态特征进行编码得到编码特征时,可以采用的可选实现方式为:按照预设顺序对各文本框进行排序,确定各文本框对应的排序序号,本实施例中的预设顺序可以为从票据图像的左上到右下;分别将各文本框对应的排序序号与多模态特征中各文本框的特征拼接结果进行拼接之后,得到更新多模态特征;将所得到的更新多模态特征输入特征编码模块,将特征编码模块的输出结果作为编码特征,即将特征编码模块中最后一层特征编码器的输出结果作为编码特征。
可以理解的是,本实施例中特征编码模块所包含的多层特征编码器,除了第一层特征编码器的输入为更新多模态特征之外,其他层的特征编码器的输入为前一层特征编码器的输出。
本实施例中的每层特征编码器通过以下计算公式对输入进行处理:
在上述公式中:Hi表示第i层特征编码器的输出;Hi-1表示第i-1层特征编码器的输出或者更新多模态特征;σ、W1和W2表示超参数;t表示转置计算;dmodel表示特征编码模块中特征编码器的层数。
其中,本实施例中的特征解码模块包含多层特征解码器,每层特征解码器可以为跨注意力网络(Cross Attention Network,CAN)。
具体地,本实施例执行S203所构建的特征解码模块,在对编码特征进行解码得到解码特征时,可以采用的可选实现方式为:获取票据图像的特征图;对所获取的特征图进行压缩,将压缩结果作为查询向量;将编码特征和查询向量输入特征解码模块,将特征解码模块的输出结果作为解码特征,即将特征解码模块中最后一层特征解码器的输出结果作为解码特征。
其中,本实施例中的特征解码模块在对特征图进行压缩时,可以将特征图的宽和高分别压缩为1,将压缩结果作为查询向量;也可以将特征图的宽和高分别压缩为其他值,本实施例对此不进行限定。
可以理解的是,本实施例中特征解码模块所包含的多层特征编码器,除了第一层特征解码器的输入为编码特征和查询向量之外,其他层的特征编码器的输入为编码特征和前一层特征编码器的输出。
在公式中:Dj表示第j层特征解码器的输出;Dj-1表示第j-1层特征解码器的输出或者查询向量;σ、W3和W4表示超参数;t表示转置计算;dmodel表示特征解码模块中特征解码器的层数。
本实施例在由特征解码模块得到解码特征之后,输入到神经网络模型中的输出模块,该输出模块根据所输入的解码特征输出票据图像的类型。
图3是根据本申请第三实施例的示意图。如图3中所示,该图示出了本实施例所建立的票据类型识别模型的架构图:将票据图像、票据图像中各文本框的位置信息和文本信息输入票据类型识别模型中,输入模块将所得到的输入信息输入多模态特征提取模块;多模态特征提取模块在提取得到多模态特征之后,将所提取的多模态特征输入特征编码模块;特征编码模块在根据多模态特征得到编码特征之后,将编码得到的编码特征输入特征解码模块;特征解码模块在根据编码特征得到解码特征之后,将解码得到的解码特征输入输出模块;输出模块最终输出票据图像所属的类别。
图4是根据本申请第四实施例的示意图。如图4中所示,本实施例的识别票据类型的方法,具体包括如下步骤:
S401、获取待识别票据图像;
S402、对所述待识别票据图像进行文本检测,确定所述待识别票据图像中的文本框以及各文本框的位置信息和文本信息:
S403、将所述待识别票据图像、所述待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将所述票据类型识别模型的输出结果作为所述待识别票据图像的类型。
本实施例的票据识别的方法,使用上述实施例训练得到的票据类型识别模型来实现票据类型的识别,由于该票据类型识别模型能够提取票据图像中各文本框的区域特征、位置特征和文本特征来得到多模态特征,因此扩展了票据类型识别模型在识别票据图像的类型时所使用的特征维度,提升了票据类型识别的准确性。
本实施例执行S401所获取的待识别票据图像,可以为已存在的票据图像,也可以为实时拍摄的票据图像。
本实施例在执行S401获取了待识别票据图像之后,执行S402对所获取的待识别票据图像进行文本检测,从而确定待识别票据图像中的文本框以及各文本框的位置信息和文本信息。
本实施例在执行S402对待识别票据图像进行文本检测时,可以使用光学字符识别(Optical Character Recognition,OCR)技术进行检测,在确定待识别票据图像中的文本框之后,再根据所确定的文本框来确定文本框的位置信息和文本信息。
本实施例在执行S402确定待识别票据图像中各文本框的位置信息和文本信息之后,执行S403将待识别票据图像、待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将票据类型识别模型的输出结果作为待识别票据图像的类型。
图5是根据本申请第五实施例的示意图。如图5所示,本实施例的建立票据类型识别模型的装置500,包括:
第一获取单元501、用于获取训练数据,所述训练数据中包含多个票据图像以及对应各票据图像的标注类型;
第一确定单元502、用于对所述多个票据图像进行文本检测,分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息;
构建单元503、用于构建包含多模态特征提取模块的神经网络模型,所述多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征;
训练单元504、用于使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对所述神经网络模型进行训练,直至所述神经网络模型收敛,得到票据类型识别模型。
本实施例中的第一获取单元501所获取的训练数据中对应各票据图像的标注类型,可以为各票据图像的类型名称,例如类型A、类型B;也可以为各票据图像的类型名称所对应的字符代码,例如字符代码0对应类型A、字符代码1对应类型B等等。
本实施例在由第一获取单元501获取了多个票据图像以及对应各票据图像的标注类型之后,由第一确定单元502对所获取的多个票据图像进行文本检测,从而分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息。
本实施例中的第一确定单元502所确定的票据图像中的文本框,为框选票据图像中的文本字符串的一个或多个四边形的方框,每个文本框包围票据图像中的部分文本字符串。
第一确定单元502所确定的文本框的位置信息,为文本框的左上点在票据图像中的横坐标与纵坐标、文本框的框宽与框高;第一确定单元502所确定的文本框的文本信息,为文本框所框选的文本字符串的内容。
第一确定单元502在对票据图像进行文本检测时,可以使用光学字符识别(Optical Character Recognition,OCR)技术进行检测,在确定票据图像中的文本框之后,再根据所确定的文本框来确定文本框的位置信息和文本信息。
本实施例在由第一确定单元502分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息之后,由构建单元503构建包含多模态特征提取模块的神经网络模型,该多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征。
可以理解的是,构建单元503所构建的神经网络模型中,除了多模态特征提取模块之外,还包含基本的输入模块和输出模块;其中,神经网络模型的输入模块用于将所输入的票据图像、票据图像中各文本框的位置信息和文本信息输入多模态特征提取模块以进行多模态特征的提取;神经网络模型的输出模块用于根据多模态特征提取模块输出的多模态特征来输出票据图像所属的类型。
具体地,构建单元503所构建的多模态特征提取模块,在根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征时,可以采用的可选实现方式为:提取票据图像的特征图(feature map);将所提取的特征图中各文本框所在区域的特征,作为各文本框的区域特征;对各文本框的位置信息进行位置编码,将编码结果作为各文本框的位置特征;对各文本框的文本信息进行文本编码,将编码结果作为各文本框的文本特征;分别将各文本框的区域特征、位置特征和文本特征进行拼接之后,将各文本框的特征拼接结果作为票据图像的多模态特征,即多模态特征为由各文本框的特征拼接结果所组成的集合。
也就是说,本实施例通过构建单元503在神经网络模型中设置多模态特征提取模块来提取多模态特征,使得神经网络模型在训练过程中能够充分学习不同的票据在视觉、版式和语义等特征上的差异,从而提升神经网络模型的训练效果,使得训练得到的票据类型识别模型能够更加准确地输出票据类型。
其中,构建单元503构建的多模态特征提取模块在对文本框的位置信息进行位置编码得到位置特征时,可以根据位置信息中各类信息之间的关系来进行位置编码。
另外,构建单元503在构建神经网络模型时,除了设置输入模块、多模态特征提取模块和输出模块之外,还会通过设置特征编码模块和特征解码模块的方式,对多模态特征提取模块所提取的多模态特征进行编码和解码,从而得到多模态特征在视觉、版式和语义等不同特征维度上的综合表示,进一步提升神经网络模型用于类型识别的特征的准确性。
其中,构建单元503所构建的特征编码模块包含多层特征编码器,每层特征编码器可以为双向转换自编码器(Bidirectional Encoder Representation fromTransformers,BERT)。
具体地,构建单元503所构建的特征编码模块,在对多模态特征进行编码得到编码特征时,可以采用的可选实现方式为:按照预设顺序对各文本框进行排序,确定各文本框对应的排序序号;分别将各文本框对应的排序序号与多模态特征中各文本框的特征拼接结果进行拼接之后,得到更新多模态特征;将所得到的更新多模态特征输入特征编码模块,将特征编码模块的输出结果作为编码特征,即将特征编码模块中最后一层特征编码器的输出结果作为编码特征。
可以理解的是,构建单元503所构建的特征编码模块所包含的多层特征编码器,除了第一层特征编码器的输入为更新多模态特征之外,其他层的特征编码器的输入为前一层特征编码器的输出。
构建单元503所构建的特征解码模块包含多层特征解码器,每层特征解码器可以为跨注意力网络(Cross Attention Network,CAN)。
具体地,构建单元503所构建的特征解码模块,在对编码特征进行解码得到解码特征时,可以采用的可选实现方式为:获取票据图像的特征图;对所获取的特征图进行压缩,将压缩结果作为查询向量;将编码特征和查询向量输入特征解码模块,将特征解码模块的输出结果作为解码特征,即将特征解码模块中最后一层特征解码器的输出结果作为解码特征。
其中,构建单元503所构建的特征解码模块在对特征图进行压缩时,可以将特征图的宽和高分别压缩为1,将压缩结果作为查询向量;也可以将特征图的宽和高分别压缩为其他值,本实施例对此不进行限定。
可以理解的是,构建单元503所构建的特征解码模块所包含的多层特征编码器,除了第一层特征解码器的输入为编码特征和查询向量之外,其他层的特征编码器的输入为编码特征和前一层特征编码器的输出。
构建单元503所构建的特征解码模块在得到解码特征之后,输入到神经网络模型中的输出模块,该输出模块根据所输入的解码特征输出票据图像的类型。
本实施例由构建单元503构建包含多模态特征提取模块的神经网络模型之后,由训练单元504使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对神经网络模型进行训练,直至神经网络模型收敛,得到票据类型识别模型。
训练单元504在使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对神经网络模型进行训练,直至神经网络模型收敛时,可以采用的可选实现方式为:各票据图像、各票据图像中各文本框的位置信息和文本信息作为神经网络模型的输入,得到神经网络模型针对各票据图像的输出结果;根据各票据图像的输出结果与对应各票据图像的标注类型计算损失函数;在确定计算得到的损失函数收敛的情况下,完成对神经网络模型的训练。
图6是根据本申请第六实施例的示意图。如图6中所示,本实施例的识别票据类型的装置600,包括:
第二获取单元601、用于获取待识别票据图像;
第二确定单元602、用于对所述待识别票据图像进行文本检测,确定所述待识别票据图像中的文本框以及各文本框的位置信息和文本信息:
识别单元603、用于将所述待识别票据图像、所述待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将所述票据类型识别模型的输出结果作为所述待识别票据图像的类型。
第二获取单元601所获取的待识别票据图像,可以为已存在的票据图像,也可以为实时拍摄的票据图像。
本实施例在由第二获取单元601获取了待识别票据图像之后,由第二确定单元602对所获取的待识别票据图像进行文本检测,从而确定待识别票据图像中的文本框以及各文本框的位置信息和文本信息。
第二确定单元602在对待识别票据图像进行文本检测时,可以使用光学字符识别(Optical Character Recognition,OCR)技术进行检测,在确定待识别票据图像中的文本框之后,再根据所确定的文本框来确定文本框的位置信息和文本信息。
本实施例在由第二确定单元602确定待识别票据图像中各文本框的位置信息和文本信息之后,由识别单元603将待识别票据图像、待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将票据类型识别模型的输出结果作为待识别票据图像的类型。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图7所示,是根据本申请实施例的建立票据类型识别模型与识别票据类型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7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如建立票据类型识别模型与识别票据类型的方法。例如,在一些实施例中,建立票据类型识别模型与识别票据类型的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。
在一些实施例中,计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的建立票据类型识别模型与识别票据类型的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行建立票据类型识别模型与识别票据类型的方法。
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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)和互联网。
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(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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 (15)
1.一种建立票据类型识别模型的方法,包括:
获取训练数据,所述训练数据中包含多个票据图像以及对应各票据图像的标注类型;
对所述多个票据图像进行文本检测,分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息;
构建包含多模态特征提取模块的神经网络模型,所述多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征;
使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对所述神经网络模型进行训练,直至所述神经网络模型收敛,得到票据类型识别模型。
2.根据权利要求1所述的方法,其中,所述多模态特征提取模块根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征包括:
提取票据图像的特征图;
将所述特征图中各文本框所在区域的特征,作为各文本框的区域特征;
对各文本框的位置信息进行位置编码,将编码结果作为各文本框的位置特征;
对各文本框的文本信息进行文本编码,将编码结果作为各文本框的文本特征;
分别将各文本框的区域特征、位置特征和文本特征进行拼接之后,将各文本框的特征拼接结果作为票据图像的多模态特征。
3.根据权利要求1所述的方法,其中,所述构建包含多模态特征提取模块的神经网络模型包括:
构建包含多模态特征提取模块、特征编码模块和特征解码模块的神经网络模型;
其中,所述特征编码模块用于对所述多模态特征进行编码得到编码特征,所述特征解码模块用于对所述编码特征进行解码得到解码特征。
4.根据权利要求3所述的方法,其中,所述特征编码模块对所述多模态特征进行编码得到编码特征包括:
按照预设顺序对票据图像中的各文本框进行排序,确定各文本框对应的排序序号;
分别将各文本框对应的排序序号与所述多模态特征中各文本框的特征拼接结果进行拼接之后,得到更新多模态特征;
将所得到的更新多模态特征输入所述特征编码模块,将所述特征编码模块的输出结果作为所述编码特征。
5.根据权利要求4所述的方法,其中,所述特征解码模块对所述编码特征进行解码得到解码特征包括:
获取票据图像的特征图;
对所述特征图进行压缩,将压缩结果作为查询向量;
将所述编码特征和所述查询向量输入所述特征解码模块,将所述特征解码模块的输出结果作为所述解码特征。
6.一种识别票据类型的方法,包括:
获取待识别票据图像;
对所述待识别票据图像进行文本检测,确定所述待识别票据图像中的文本框以及各文本框的位置信息和文本信息:
将所述待识别票据图像、所述待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将所述票据类型识别模型的输出结果作为所述待识别票据图像的类型;
其中,所述票据类型识别模型是根据权利要求1-5中任一项方法预先训练得到的。
7.一种建立票据类型识别模型的装置,包括:
第一获取单元,用于获取训练数据,所述训练数据中包含多个票据图像以及对应各票据图像的标注类型;
第一确定单元,用于对所述多个票据图像进行文本检测,分别确定各票据图像中的文本框以及各文本框的位置信息和文本信息;
构建单元,用于构建包含多模态特征提取模块的神经网络模型,所述多模态特征提取模块用于根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征;
训练单元,用于使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及对应各票据图像的标注类型对所述神经网络模型进行训练,直至所述神经网络模型收敛,得到票据类型识别模型。
8.根据权利要求7所述的装置,其中,所述构建单元构建的多模态特征提取模块在根据票据图像、票据图像中各文本框的位置信息和文本信息来提取各文本框的区域特征、位置特征和文本特征,以得到票据图像的多模态特征时,具体执行:
提取票据图像的特征图;
将所述特征图中各文本框所在区域的特征,作为各文本框的区域特征;
对各文本框的位置信息进行位置编码,将编码结果作为各文本框的位置特征;
对各文本框的文本信息进行文本编码,将编码结果作为各文本框的文本特征;
分别将各文本框的区域特征、位置特征和文本特征进行拼接之后,将各文本框的特征拼接结果作为票据图像的多模态特征。
9.根据权利要求7所述的装置,其中,所述构建单元在构建包含多模态特征提取模块的神经网络模型时,具体执行:
构建包含多模态特征提取模块、特征编码模块和特征解码模块的神经网络模型;
其中,所述特征编码模块用于对所述多模态特征进行编码得到编码特征,所述特征解码模块用于对所述编码特征进行解码得到解码特征。
10.根据权利要求9所述的装置,其中,所述构建单元构建的特征编码模块,在对所述多模态特征进行编码得到编码特征时,具体执行:
按照预设顺序对票据图像中的各文本框进行排序,确定各文本框对应的排序序号;
分别将各文本框对应的排序序号与所述多模态特征中各文本框的特征拼接结果进行拼接之后,得到更新多模态特征;
将所得到的更新多模态特征输入所述特征编码模块,将所述特征编码模块的输出结果作为所述编码特征。
11.根据权利要求9所述的装置,其中,所述构建单元构建的特征解码模块,在对所述编码特征进行解码得到解码特征时,具体执行:
获取票据图像的特征图;
对所述特征图进行压缩,将压缩结果作为查询向量;
将所述编码特征和所述查询向量输入所述特征解码模块,将所述特征解码模块的输出结果作为所述解码特征。
12.一种识别票据类型的装置,包括:
第二获取单元,用于获取待识别票据图像;
第二确定单元,用于对所述待识别票据图像进行文本检测,确定所述待识别票据图像中的文本框以及各文本框的位置信息和文本信息:
识别单元,用于将所述待识别票据图像、所述待识别票据图像中各文本框的位置信息和文本信息作为票据类型识别模型的输入,将所述票据类型识别模型的输出结果作为所述待识别票据图像的类型;
其中,所述票据类型识别模型是根据权利要求7-11中任一项装置预先训练得到的。
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,其中,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。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110262267.8A CN113033534B (zh) | 2021-03-10 | 2021-03-10 | 建立票据类型识别模型与识别票据类型的方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110262267.8A CN113033534B (zh) | 2021-03-10 | 2021-03-10 | 建立票据类型识别模型与识别票据类型的方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033534A true CN113033534A (zh) | 2021-06-25 |
CN113033534B CN113033534B (zh) | 2023-07-25 |
Family
ID=76469389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110262267.8A Active CN113033534B (zh) | 2021-03-10 | 2021-03-10 | 建立票据类型识别模型与识别票据类型的方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033534B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569024A (zh) * | 2021-07-19 | 2021-10-29 | 上海明略人工智能(集团)有限公司 | 卡片类别的识别方法、装置、电子设备和计算机存储介质 |
CN113657279A (zh) * | 2021-08-18 | 2021-11-16 | 北京玖安天下科技有限公司 | 一种票据类图像版面解析方法及装置 |
CN113657377A (zh) * | 2021-07-22 | 2021-11-16 | 西南财经大学 | 一种机打票据图像结构化识别方法 |
CN113657390A (zh) * | 2021-08-13 | 2021-11-16 | 北京百度网讯科技有限公司 | 文本检测模型的训练方法和检测文本方法、装置和设备 |
CN113743327A (zh) * | 2021-09-07 | 2021-12-03 | 中国工商银行股份有限公司 | 单据识别方法、单据核对方法、装置和设备 |
CN113743052A (zh) * | 2021-08-17 | 2021-12-03 | 的卢技术有限公司 | 一种融合多模态的简历版面分析方法及装置 |
CN114328831A (zh) * | 2021-12-24 | 2022-04-12 | 江苏银承网络科技股份有限公司 | 票据信息识别与纠错方法及装置 |
CN114821622A (zh) * | 2022-03-10 | 2022-07-29 | 北京百度网讯科技有限公司 | 文本抽取方法、文本抽取模型训练方法、装置及设备 |
WO2023024614A1 (zh) * | 2021-08-27 | 2023-03-02 | 北京百度网讯科技有限公司 | 文档分类的方法、装置、电子设备和存储介质 |
CN116152833A (zh) * | 2022-12-30 | 2023-05-23 | 北京百度网讯科技有限公司 | 基于图像的表格还原模型的训练方法及表格还原方法 |
WO2024047764A1 (ja) * | 2022-08-30 | 2024-03-07 | 楽天グループ株式会社 | レイアウト解析システム、レイアウト解析方法、及びプログラム |
WO2024047763A1 (ja) * | 2022-08-30 | 2024-03-07 | 楽天グループ株式会社 | レイアウト解析システム、レイアウト解析方法、及びプログラム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6798914B1 (en) * | 1999-05-07 | 2004-09-28 | Galaxy Ip Source, Llc | Neural-network-based method of image compression |
US20100257174A1 (en) * | 2009-04-02 | 2010-10-07 | Matthew Dino Minuti | Method for data compression utilizing pattern-analysis and matching means such as neural networks |
CN107844469A (zh) * | 2017-10-26 | 2018-03-27 | 北京大学 | 基于词向量查询模型的文本简化方法 |
CN109635627A (zh) * | 2018-10-23 | 2019-04-16 | 中国平安财产保险股份有限公司 | 图片信息提取方法、装置、计算机设备及存储介质 |
CN110033000A (zh) * | 2019-03-21 | 2019-07-19 | 华中科技大学 | 一种票据图像的文本检测与识别方法 |
CN111191614A (zh) * | 2020-01-02 | 2020-05-22 | 中国建设银行股份有限公司 | 一种单据分类方法和装置 |
CN112001368A (zh) * | 2020-09-29 | 2020-11-27 | 北京百度网讯科技有限公司 | 文字结构化提取方法、装置、设备以及存储介质 |
CN112214707A (zh) * | 2020-09-30 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 网页内容表征方法、分类方法、装置及设备 |
CN112364837A (zh) * | 2020-12-09 | 2021-02-12 | 四川长虹电器股份有限公司 | 一种基于目标检测和文本识别的票据信息识别方法 |
-
2021
- 2021-03-10 CN CN202110262267.8A patent/CN113033534B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6798914B1 (en) * | 1999-05-07 | 2004-09-28 | Galaxy Ip Source, Llc | Neural-network-based method of image compression |
US20100257174A1 (en) * | 2009-04-02 | 2010-10-07 | Matthew Dino Minuti | Method for data compression utilizing pattern-analysis and matching means such as neural networks |
CN107844469A (zh) * | 2017-10-26 | 2018-03-27 | 北京大学 | 基于词向量查询模型的文本简化方法 |
CN109635627A (zh) * | 2018-10-23 | 2019-04-16 | 中国平安财产保险股份有限公司 | 图片信息提取方法、装置、计算机设备及存储介质 |
CN110033000A (zh) * | 2019-03-21 | 2019-07-19 | 华中科技大学 | 一种票据图像的文本检测与识别方法 |
CN111191614A (zh) * | 2020-01-02 | 2020-05-22 | 中国建设银行股份有限公司 | 一种单据分类方法和装置 |
CN112001368A (zh) * | 2020-09-29 | 2020-11-27 | 北京百度网讯科技有限公司 | 文字结构化提取方法、装置、设备以及存储介质 |
CN112214707A (zh) * | 2020-09-30 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 网页内容表征方法、分类方法、装置及设备 |
CN112364837A (zh) * | 2020-12-09 | 2021-02-12 | 四川长虹电器股份有限公司 | 一种基于目标检测和文本识别的票据信息识别方法 |
Non-Patent Citations (2)
Title |
---|
KYUNGHYUN CHO ET AL: "On the Properties of Neural Machine Translation: Encoder-Decoder Approaches", 《ARXIV》 * |
郑祖兵;盛冠群;谢凯;唐新功;文畅;李长晟;: "双网络模型下的智能医疗票据识别方法", 计算机工程与应用, no. 12 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569024A (zh) * | 2021-07-19 | 2021-10-29 | 上海明略人工智能(集团)有限公司 | 卡片类别的识别方法、装置、电子设备和计算机存储介质 |
CN113657377A (zh) * | 2021-07-22 | 2021-11-16 | 西南财经大学 | 一种机打票据图像结构化识别方法 |
CN113657377B (zh) * | 2021-07-22 | 2023-11-14 | 西南财经大学 | 一种机打票据图像结构化识别方法 |
CN113657390A (zh) * | 2021-08-13 | 2021-11-16 | 北京百度网讯科技有限公司 | 文本检测模型的训练方法和检测文本方法、装置和设备 |
CN113743052A (zh) * | 2021-08-17 | 2021-12-03 | 的卢技术有限公司 | 一种融合多模态的简历版面分析方法及装置 |
CN113657279A (zh) * | 2021-08-18 | 2021-11-16 | 北京玖安天下科技有限公司 | 一种票据类图像版面解析方法及装置 |
CN113657279B (zh) * | 2021-08-18 | 2023-05-05 | 北京玖安天下科技有限公司 | 一种票据类图像版面解析方法及装置 |
WO2023024614A1 (zh) * | 2021-08-27 | 2023-03-02 | 北京百度网讯科技有限公司 | 文档分类的方法、装置、电子设备和存储介质 |
CN113743327A (zh) * | 2021-09-07 | 2021-12-03 | 中国工商银行股份有限公司 | 单据识别方法、单据核对方法、装置和设备 |
CN114328831A (zh) * | 2021-12-24 | 2022-04-12 | 江苏银承网络科技股份有限公司 | 票据信息识别与纠错方法及装置 |
CN114821622A (zh) * | 2022-03-10 | 2022-07-29 | 北京百度网讯科技有限公司 | 文本抽取方法、文本抽取模型训练方法、装置及设备 |
WO2024047764A1 (ja) * | 2022-08-30 | 2024-03-07 | 楽天グループ株式会社 | レイアウト解析システム、レイアウト解析方法、及びプログラム |
WO2024047763A1 (ja) * | 2022-08-30 | 2024-03-07 | 楽天グループ株式会社 | レイアウト解析システム、レイアウト解析方法、及びプログラム |
JP7470264B1 (ja) | 2022-08-30 | 2024-04-17 | 楽天グループ株式会社 | レイアウト解析システム、レイアウト解析方法、及びプログラム |
CN116152833A (zh) * | 2022-12-30 | 2023-05-23 | 北京百度网讯科技有限公司 | 基于图像的表格还原模型的训练方法及表格还原方法 |
CN116152833B (zh) * | 2022-12-30 | 2023-11-24 | 北京百度网讯科技有限公司 | 基于图像的表格还原模型的训练方法及表格还原方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113033534B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033534B (zh) | 建立票据类型识别模型与识别票据类型的方法、装置 | |
CN113657390B (zh) | 文本检测模型的训练方法和检测文本方法、装置和设备 | |
CN114821622B (zh) | 文本抽取方法、文本抽取模型训练方法、装置及设备 | |
CN112949415B (zh) | 图像处理方法、装置、设备和介质 | |
CN113011420B (zh) | 字符识别方法、模型训练方法、相关装置及电子设备 | |
CN113313022A (zh) | 文字识别模型的训练方法和识别图像中文字的方法 | |
CN113407698B (zh) | 意图识别模型的训练与意图识别的方法、装置 | |
CN113177449B (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
CN113591566A (zh) | 图像识别模型的训练方法、装置、电子设备和存储介质 | |
CN112632227A (zh) | 简历匹配方法、装置、电子设备、存储介质和程序产品 | |
CN114218889A (zh) | 文档处理及文档模型的训练方法、装置、设备和存储介质 | |
CN112559885A (zh) | 地图兴趣点的训练模型确定方法、装置及电子设备 | |
CN114022887B (zh) | 文本识别模型训练及文本识别方法、装置、电子设备 | |
CN115640520A (zh) | 跨语言跨模态模型的预训练方法、设备和存储介质 | |
CN115565177A (zh) | 文字识别模型训练、文字识别方法、装置、设备及介质 | |
CN114821255A (zh) | 多模态特征的融合方法、装置、设备、介质和产品 | |
CN113191261B (zh) | 图像类别的识别方法、装置和电子设备 | |
CN114663733A (zh) | 多模态特征的融合方法、装置、设备、介质及产品 | |
CN114120172A (zh) | 基于视频的目标检测方法、装置、电子设备及存储介质 | |
CN112966140A (zh) | 字段识别方法、装置、电子设备、存储介质和程序产品 | |
CN113361523A (zh) | 文本确定方法、装置、电子设备和计算机可读存储介质 | |
CN114661904B (zh) | 文档处理模型的训练方法、装置、设备、存储介质及程序 | |
CN113361522B (zh) | 用于确定字符序列的方法、装置和电子设备 | |
CN114973224A (zh) | 一种文字识别方法、装置、电子设备及存储介质 | |
CN115035351A (zh) | 基于图像的信息提取模型、方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |