CN114037985A - 信息提取方法、装置、设备、介质及产品 - Google Patents
信息提取方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN114037985A CN114037985A CN202111300845.9A CN202111300845A CN114037985A CN 114037985 A CN114037985 A CN 114037985A CN 202111300845 A CN202111300845 A CN 202111300845A CN 114037985 A CN114037985 A CN 114037985A
- Authority
- CN
- China
- Prior art keywords
- edge
- nodes
- node
- text
- classification
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种信息提取方法、装置、设备、介质以及产品,该方法包括:电子设备对图像进行文本检测,获得包括多个文本行的文本区域,然后将文本区域中的每一个文本行作为节点构建图网络模型,通过节点分类模型对图网络模型中的节点进行分类,通过边分类模型对图网络模型中的边进行分类,然后根据节点分类结果和边分类结果,获得图像中的键值对,如此,能够综合考虑文本行自身的特征以及关联文本行的特征,实现对于信息的准确提取。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种信息提取方法、装置、设备、计算机可读存储介质以及计算机程序产品。
背景技术
随着信息时代的到来,互联网中产生了大量的数据,尤其是图像形式的数据。例如,电子商务应用中产生大量的商品图像;又例如,手机银行应用中产生大量的票证图像。这些图像中通常包括丰富的信息,如商品图像中可以包括商品参数信息,票证图像中包括用户身份信息。
上述信息对于商品推荐或者身份审核至关重要。然而,这些图像中的信息的排版通常比较复杂,而且没有固定的格式。如果依靠人工录入,则需要花费大量的时间,并且需要消耗较多的人力成本。
如何从图像中提取排版复杂且没有固定格式的信息成为业界重点关注的问题。
发明内容
本公开的目的在于:提供了一种信息提取方法、装置、设备、计算机可读存储介质以及计算机程序产品,能够对排版复杂且没有固定格式的图像中的信息进行准确提取。
第一方面,本公开提供了一种信息提取方法,所述方法包括:
对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;
根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;
通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;
根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。
第二方面,本公开提供了一种信息提取装置,所述装置包括:
检测模块,用于对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;
构建模块,用于根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;
分类模块,用于通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;
获取模块,用于根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。
第三方面,本公开提供一种电子设备,包括:存储装置,其上存储有计算机程序;处理装置,用于执行所述存储装置中的所述计算机程序,以实现本公开第一方面所述方法的步骤。
第四方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第五方面,本公开提供了一种包含指令的计算机程序产品,当其在设备上运行时,使得设备执行上述第一方面所述方法的步骤。
从以上技术方案可以看出,本公开至少具有如下优点:
在上述技术方案中,电子设备对图像进行文本检测,获得包括多个文本行的文本区域,然后将文本区域中的每一个文本行作为节点构建图网络模型,通过节点分类模型对图网络模型中的节点进行分类,通过边分类模型对图网络模型中的边进行分类,然后根据节点分类结果和边分类结果,获得图像中的键值对。其中,电子设备不仅对于图网络模型中的节点进行节点分类,并且对于图网络模型中的边也进行分类,如此可以综合考虑图像中文本行自身的特征以及关联文本行的特征,从而能够对于图像中排版复杂且没有固定格式的信息进行准确提取。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
为了更清楚地说明本申请实施例的技术方法,下面将对实施例中所需使用的附图作以简单地介绍。
图1为本申请实施例提供的一种信息提取方法的流程示意图;
图2为本申请实施例提供的一种图像的文本包围框示意图;
图3为本申请实施例提供的一种图神经网络模型的示意图;
图4为本申请实施例提供的一种图神经网络模型的节点嵌入的示意图;
图5为本公开实施例提供的一种信息提取装置的结构示意图;
图6为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
本申请实施例中的术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
首先对本申请实施例中所涉及到的一些技术术语进行介绍。
对于图像中文字信息的提取,通常情况下采用光学字符识别(optical characterrecognition,OCR)技术。OCR是指电子设备对于打印的字符,通过检测暗、亮的模式确定形状,然后用字符识别方法将形状翻译成计算机文字的过程。OCR可以针对印刷体字符,采用光学的方式将印刷字体的文字转换成为黑白点阵的图像文件,然后通过识别软件将图像中的文字转换成文本格式。但是在文字识别中,特别是对于排版复杂且没有固定格式的图像来说,可能存在所识别出的文本杂糅不同排版区间内的多种信息,难以对于不相关的文字进行准确划分。并且,对于某一部分文本篇幅较长的图像,可能存在无法将多行相关的文字组合在一起,难以对于相关的文字进行准确的组合。
有鉴于此,本申请提供一种准确的信息提取方法,该方法应用于电子设备。电子设备是指具有数据处理能力的设备,例如可以是服务器,或者是终端。其中,终端包括但不限于智能手机、平板电脑、笔记本电脑、个人数字助理(personal digital assistant,PDA)或者智能穿戴设备等。服务器可以是云服务器,例如是中心云计算集群中的中心服务器,或者是边缘云计算集群中的边缘服务器。当然,服务器也可以是本地数据中心中的服务器。本地数据中心是指用户直接控制的数据中心。
具体地,电子设备对图像进行文本检测,获得图像中包括多个文本行的文本区域,将每个文本行为图网络模型的一个节点建立图网络模型,然后通过节点分类模型对图网络模型中的节点进行分类,通过边分类模型对节点之间的边进行分类,然后根据对节点的分类结果以及对边的分类结果,获得图像中的至少一个键值对,如此能够准确提取图像中排版复杂且没有固定格式的信息。
一方面,边分类的结果可以为节点分类的结果提供参考,使节点分类模型获取更加准确的节点分类结果。另一方面,节点分类的结果可以为边分类的结果提供参考,使边分类模型获取更加准确的边分类结果。如此,电子设备综合节点分类与边分类,综合考虑文本行自身特征与关联文本行之间的特征,实现对于图像中排版复杂且没有固定格式的信息的准确提取。
为了使得本公开的技术方案更加清楚、易于理解,下面从电子设备为终端为例,如图1所示,对本公开实施例提供的信息提取方法进行介绍。
S102:终端对图像进行文本检测,获得图像中的文本区域。
本实施例中,图像是指包括文本区域的图像,图像中的文本区域包括多个文本行。终端可以通过多种方式对图像进行文本检测,例如终端可以通过OCR技术进行文本检测。通常情况下,OCR包括文本检测和文本识别,文本检测用于发现并分割图片中的文字区域,文本识别用于将文字字符转化为计算机文字。
具体地,终端可以通过OCR技术发现图片中的文字区域,以文本包围框(boundingbox,bbox)的形式将文字区域分割出来,如图2所示,其中,图像中的文本区域如图中202所示,该文本区域202中包括多个文本包围框204-1、204-2等,每个文本包围框对应一个文本行。
终端对文本区域中的文本包围框中的文字进行识别,获取每一个文本包围框对应的文本行的文本信息,在一些可能的实现方式中,终端所识别获取的文本信息可以显示在图像中的文本包围框中。
S104:终端根据文本区域构建图网络模型。
图网络(graph network,GN)模型是指根据图(graph)结构所建立的模型。图(graph)可以用来表现多种类型的结构或系统,图可以通过节点(node,N)和边(edge,E)来进行描述,例如,G=(N,E)。图包括节点和边两个基本特征,其中每个节点都具有该节点的特征信息,图中每个节点均具有该节点的结构信息,即边信息。
在本实施例中,终端可以根据文本区域构建图神经网络(graph neural network,GNN)模型。图神经网络模型是一种基于图中节点与边的对应关系所建立的一种神经网络模型,综合考虑图中每个节点本身的特征信息与节点的结构信息(边信息),实现对于图中信息的准确提取。
终端可以将文本区域中的每个文本行作为一个节点,构建图网络模型。在一些可能的实现方式中,终端可以根据文本行中的位置关系,确定图网络模型中的边,如图3所示。具体地,终端可以根据视圆可见性确定节点中的边。视圆可见性是指根据可视的圆的直径,建立图网络模型中的边。基于视圆可见性所确定的边能够满足:以图中所有边作为直径所生成的圆不相交。通过视圆可见性所建立的边能够避免非相邻文本行间的边连接,减少对于后续模型识别的影响,降低模型学习的难度,提高模型的准确率。
S106:终端提取节点的特征。
终端可以通过多种方式提取图像中各节点的特征,例如可以通过上采样的方式或者下采样的方式或者综合采用上采样与下采样的方式。在深度学习中,上采样是指可以让图像变成更高分辨率的技术,上采样的方式具体可以包括插值法、反卷积和反池化方法。插值法是指在不生成像素的情况下,根据周围像素使用数学公式计算出所丢失的像素。反卷积是卷积的逆过程,可以理解为一种特殊的正向卷积,先按照一定的比例通过补0扩大输入图像的尺寸,然后旋转卷积核进行正向卷积。反池化是池化的逆操作,具体可以包括反最大池化和反平均池化。其中,反最大池化需要记录池化时最大值的位置。下采样是指对于原序列的间隔几个样值取样一次所获得的新序列。
在本实施例中,为了避免获取到过多或者过少的图像中的特征,终端对于图像中的特征可以先进行下采样再进行上采样,如此能够获得样本数量比较均匀的图像特征样本,例如终端可以采用UNet提取整张图像中的特征。
在获取到整张图像特征的基础上,终端可以进一步确定出该图像中对应的节点的特征。其中,节点的特征可以包括包含节点各种信息的特征,例如包含节点中文字的颜色、字体以及字号信息的图像特征,包含节点中文字内容的文本特征,包含节点在图像中的坐标的位置特征。
在一些可能的实现方式中,终端可以采用ROI pooling或者ROI align对整张图中的图像特征进行处理,获取每一个节点对应的图像特征。其中,节点的图像特征可以为该节点对应的文本区域中文字的颜色、字体以及字号中的任意一种或多种。
对于节点的文本特征,终端可以利用语言模型提取节点对应的文本行的文本特征。语言模型(language model,LM)是指针对某种语言建立的概率模型,该模型可以建立一个描述给定词序列在语言中出现的概率分布。在本实施例中,终端可以通过双向长短时记忆网络(Bi-directional long short term memory,Bi-LSTM)或基于转换器的双向编码表征(bidirectional encoder representation from transformers,BERT)等语言模型提取图像中每一个节点对应的文本特征,从而获取每一个节点对应的文本特征。其中,Bi-LSTM是将前向的长短时记忆网络(long short term memory,LSTM)与后向的LSTM结合生成。LSTM可以学习长期依赖信息,从而能够具有较高的识别精度。在对于文本信息进行识别的过程中,通常可以简单的将所识别出的字符组合形成对应的语句,但是这种识别精度没有考虑词语在句子中的先后顺序,识别精度较低,而采用LSTM可以捕捉获取较长距离的依赖关系,考虑到词语在较长距离的句子中的先后顺序。进一步地,Bi-LSTM不仅可以学习从前到后的信息,还可以学习从后到前的信息,因此能够更好的捕捉双向的语义依赖。BERT是一个预训练的语言表征模型,该模型不再采用传统的单向语言模型或者把两个单向语言模型进行浅层拼接的方法进行预训练,而是采用新的掩码语言模型(masked language model,MLM),从而能够生成深度的双向语言表征。通过上述方法,终端可以获取每一个节点对应的文本包围框中所包围的文本内容,从而获取该节点的文本特征。
终端可以根据节点所在的位置确定节点的位置特征。具体地,终端可以根据文本包围框的位置信息(例如坐标信息),确定节点的位置特征。终端也可以对文本包围框的位置信息进行嵌入(embedding)处理,获取节点的位置特征。其中,嵌入处理是将指通过计算,将节点的位置特征转化为一个低维的实值向量,可以将多个特征融合为一个连续的可计算的向量。在本实施例中,终端可以通过嵌入处理,将所获取的节点的文本包围框的位置信息表示为一个低维的可计算的实值向量,从而获取节点的位置特征。
如此,终端可以提取图像中各节点的图像特征、文本特征以及位置特征等节点特征,节点特征中包括该节点的各项信息,每个节点对应的多个节点特征构成该节点输入图神经网络的节点特征。
S108:终端提取节点之间边的特征。
对于边的特征,终端可以根据具有边连接关系的文本行之间的相对位置,相对宽高获取图网络模型中的边特征。其中,边连接关系为S104中所确定的边。具体地,文本行之间的相对位置可以为文本行对应的文本包围框的相对位置,文本行之间的相对宽高可以为文本行对应的文本包围框的相对宽高。例如,文本行A对应的文本包围框A的中心的坐标为(xA,yA),宽度为wA,高度为hA,文本行B对应的文本包围框B的中心的坐标为(xB,yB),宽度为wB,高度为hB,那么,文本行A与文本行B之间的相对位置可以为(xB-xA,yB-yA),相对宽为wA/wB,相对高为hA/hB。
如此,终端可以获取包括图像特征、文本特征以及位置特征的图神经网络中的节点特征,以及包括文本行之间的相对位置、相对宽高的图神经网络中的边特征。
S110:终端根据边的特征聚合节点的邻居节点的特征,获得节点的嵌入表示。
其中,节点的邻居节点是指与该节点之间具有边关联关系的节点,同一条边上的两个节点互为邻居节点。对于图像中的任意一个节点,终端可以获取该节点的节点特征,以及包括该节点的边的边特征,然后获取边的另一个节点,即该节点的邻居节点的节点特征,从而获取与该节点有关的信息。
具体地,终端通过图神经网络根据该节点的节点特征,该节点对应的边的边特征,根据该节点的边特征聚合获取该节点的邻居节点的特征,共同获取包括该节点的邻居节点特征与边特征的该节点的嵌入表示,如图4所示。
在一些可能的实现方式中,终端可以采用空域图卷积网络(graph convolutionalnetworks,GCN)根据边的特征聚合节点的邻居节点的特征,获得节点的嵌入表示。图卷积网络、图循环网络(graph recurrent network,GRN)、图注意力网络(graph attentionnetwork,GAT)、图自编码器(graph autoencoders,GAE)均属于图神经网络,本实施例中以图卷积网络为例进行介绍。相比于传统的CNN主要应用于邻居节点固定的欧式空间中,GCN可以应用在邻居节点不固定的非欧空间中。图卷积网络对于某一个节点进行卷积实际上是对于该节点及具有边关联关系的邻居节点进行加权求和,从而能够聚合该节点自身特征、边特征以及邻居节点特征,获得该节点的嵌入表示。图卷积网络主要分为基于空域的图卷积网络与基于频域的图卷积网络。基于空域的图卷积网络可以直接对于图像中的节点进行卷积,而基于频域的图卷积网络需要先进行傅里叶变换,再进行卷积。
S112:终端通过节点分类模型对图网络模型中的节点进行分类。
节点分类模型是指能够对于节点进行分类的模型,其中节点分类模型的输入可以为图神经网络中的节点嵌入,输出为该节点的类型,例如可以为键(key)、值(value)以及其他。其中节点对应的类型可以由用户进行设置,如图2所示为某一商品标签,可以将商品的属性设置为键,商品属性对应的商品特征设置为值,其余内容设置为其他。
在一些可能的实现方式中,节点分类模型端到端模型,例如可以为多层感知机(multilayer perceptron,MLP)模型。MLP也称人工神经网络(artificial neuralnetwork,ANN),包括输入层、输出层以及至少一个隐层。MLP通常可以用来处理分类问题。
节点分类模型可以为其他经过训练的多分类模型,例如可以为k最近邻(k-nearest neighbors)、决策树(decision trees)、朴素贝叶斯(naive bayes)、随机森林(random forest)以及梯度提升(gradient boosting)等模型。在一些可能的实现方式中,节点的类型也可以为两类,例如键和值,因此也可以采用二分类模型对于图网络模型中的节点进行分类。
S114:终端通过边分类模型对图网络模型中的节点之间的边进行分类。
边分类模型是指能够对于边进行分类的模型,其中边分类模型的输入可以为图神经网络中边的两个节点嵌入的拼接,输出为边的类型,例如与S112中对应的键值边、键键边、值值边以及其他。商品属性与该属性对应的商品特征之间的边为键值边,两个商品属性之间的边为键键边,两个商品特征之间的边为值值边等。
同样地,边分类模型也可以为端到端模型,终端通过对于MLP模型的训练,获得能够对节点之间的边进行分类的边分类模型。
在一些可能的实现方式中,节点分类模型和边分类模型可以共同训练,互相作为输入与输出。其中,可以通过边分类模型验证节点分类模型,例如对于边A,节点分类模型判断边A的两个节点分别为键和值,可以通过边分类模型验证边A是否为键值边,对于边B,节点分类模型判断边B的两个节点均为键,可以通过边分类模型验证边B是否为键键边,对于边C,节点分类模型判断边C的两个节点均为值,可以通过边分类模型验证边C是否为值值边等。
同样地,也可以通过节点分类模型验证边分类模型,例如边分类模型判断边D为键值边,可以通过节点分类模型判断边D的两个节点是否分别为键和值,边分类模型判断边E为键键边,可以通过节点分类模型判断边E的两个节点是否均为键,边分类模型判断边F为值值边,可以通过节点分类模型判断边F的两个节点是否均为值。
S116:终端根据对节点的分类结果以及对边的分类结果,获得图像中的至少一个键值对。
在一些可能的实现方式中,终端可以根据节点的分类结果,将相邻并且分别为键和值的两个节点确定为键值边,然后根据边分类结果,验证两个节点组成的边是否为键值对。终端也可以根据边分类结果,确定出键值边,然后根据节点分类结果判断该边的两个节点是否分别为键和值。当边分类模型判断该边为键值边且节点分类模型判断该边的两个节点分别为键和值时,终端确定获得图像中的一个键值对,如此可以获取图像中的至少一个键值对。
基于以上内容的描述,本公开提供了一种信息提取方法。终端对图像进行文本检测,获得包括多个文本行的文本区域,然后将文本区域中的每一个文本行作为节点构建图网络模型,通过节点分类模型对图网络模型中的节点进行分类,通过边分类模型对图网络模型中的边进行分类,然后根据节点分类结果和边分类结果,获得图像中的键值对。如此,终端不仅对于图网络模型中的节点进行节点分类,并且对于图网络模型中的边也进行分类,可以综合考虑图像中文本行自身的特征以及关联文本行的特征,从而能够对于图像中排版复杂且没有固定格式的信息进行准确提取。
图5是根据一示例性公开实施例示出的一种信息提取的装置的示意图,如图5所示,所述信息提取装置500包括:
检测模块502,用于对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;
构建模块504,用于根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;
分类模块506,用于通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;
获取模块508,用于根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。
可选地,所述装置还包括提取模块510,所述提取模块510可以用于:
提取所述节点的特征,以及提取所述边的特征;
根据所述边的特征聚合所述节点的邻居节点的特征,获得所述节点的嵌入表示;
所述分类模块506可以用于:
根据所述节点的嵌入表示,通过节点分类模型对所述图网络模型中的节点进行分类;
将所述边对应的两个节点的嵌入表示拼接,根据拼接后的所述嵌入表示,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
可选地,所述分类模块506可以用于:
根据对所述节点的分类结果,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
可选地,所述对所述节点的分类结果包括如下标签中的一种:键、值和其他,所述对所述边的分类结果包括如下标签中的一种:键值边、值值边、键键边或其他中的一种。
可选地,对所述节点的分类结果为键时,则对所述边的分类结果包括键值边或键键边;对所述节点的分类结果为值时,则对所述边的分类结果包括键值边或值值边。
可选地,所述节点的特征包括所述节点的图像特征、文本特征和位置特征中的至少一种,所述边的特征所述文本行之间的相对位置、相对宽高中的至少一种。
可选地,所述节点分类模型和所述边分类模型为端到端模型。
上述各模块的功能在上一实施例中的方法步骤中已详细阐述,在此不做赘述。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,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。
根据本公开的一个或多个实施例,示例1提供了一种信息提取方法,所述方法包括:对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述方法还包括:提取所述节点的特征,以及提取所述边的特征;根据所述边的特征聚合所述节点的邻居节点的特征,获得所述节点的嵌入表示;所述通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类,包括:根据所述节点的嵌入表示,通过节点分类模型对所述图网络模型中的节点进行分类;将所述边对应的两个节点的嵌入表示拼接,根据拼接后的所述嵌入表示,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
根据本公开的一个或多个实施例,示例3提供了示例1的方法,所述通过边分类模型对所述图网络模型中的节点之间的边进行分类,包括:
根据对所述节点的分类结果,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
根据本公开的一个或多个实施例,示例4提供了示例1至示例3任意一项的方法,所述对所述节点的分类结果包括如下标签中的一种:键、值和其他,所述对所述边的分类结果包括如下标签中的一种:键值边、值值边、键键边或其他中的一种。
根据本公开的一个或多个实施例,示例5提供了示例4的方法,对所述节点的分类结果为键时,则对所述边的分类结果包括键值边或键键边;对所述节点的分类结果为值时,则对所述边的分类结果包括键值边或值值边。
根据本公开的一个或多个实施例,示例6提供了示例1至示例5任意一项的方法,所述节点的特征包括所述节点的图像特征、文本特征和位置特征中的至少一种,所述边的特征所述文本行之间的相对位置、相对宽高中的至少一种。
根据本公开的一个或多个实施例,示例7提供了示例1至示例5任意一项的方法,所述节点分类模型和所述边分类模型为端到端模型。
根据本公开的一个或多个实施例,示例8提供了一种信息提取装置,所述装置包括:检测模块,用于对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;构建模块,用于根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;分类模块,用于通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;获取模块,用于根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。
根据本公开的一个或多个实施例,示例9提供了示例8的装置,所述装置还包括提取模块,所述提取模块用于:提取所述节点的特征,以及提取所述边的特征;根据所述边的特征聚合所述节点的邻居节点的特征,获得所述节点的嵌入表示;所述分类模块可以用于:根据所述节点的嵌入表示,通过节点分类模型对所述图网络模型中的节点进行分类;将所述边对应的两个节点的嵌入表示拼接,根据拼接后的所述嵌入表示,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
根据本公开的一个或多个实施例,示例10提供了示例8的装置,所述分类模块可以用于:根据对所述节点的分类结果,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
根据本公开的一个或多个实施例,示例11提供了示例8至示例10任意一项的装置,所述对所述节点的分类结果包括如下标签中的一种:键、值和其他,所述对所述边的分类结果包括如下标签中的一种:键值边、值值边、键键边或其他中的一种。
根据本公开的一个或多个实施例,示例12提供了示例11的装置,对所述节点的分类结果为键时,则对所述边的分类结果包括键值边或键键边;对所述节点的分类结果为值时,则对所述边的分类结果包括键值边或值值边。
根据本公开的一个或多个实施例,示例13提供了示例8至示例12任意一项的装置,所述节点的特征包括所述节点的图像特征、文本特征和位置特征中的至少一种,所述边的特征所述文本行之间的相对位置、相对宽高中的至少一种。
根据本公开的一个或多个实施例,示例14提供了示例8至示例12任意一项的装置,所述节点分类模型和所述边分类模型为端到端模型。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (17)
1.一种信息提取方法,其特征在于,所述方法包括:
对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;
根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;
通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;
根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
提取所述节点的特征,以及提取所述边的特征;
根据所述边的特征聚合所述节点的邻居节点的特征,获得所述节点的嵌入表示;
所述通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类,包括:
根据所述节点的嵌入表示,通过节点分类模型对所述图网络模型中的节点进行分类;
将所述边对应的两个节点的嵌入表示拼接,根据拼接后的所述嵌入表示,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
3.根据权利要求1所述的方法,其特征在于,所述通过边分类模型对所述图网络模型中的节点之间的边进行分类,包括:
根据对所述节点的分类结果,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述对所述节点的分类结果包括如下标签中的一种:键、值和其他,所述对所述边的分类结果包括如下标签中的一种:键值边、值值边、键键边或其他中的一种。
5.根据权利要求4所述的方法,其特征在于,对所述节点的分类结果为键时,则对所述边的分类结果包括键值边或键键边;对所述节点的分类结果为值时,则对所述边的分类结果包括键值边或值值边。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述节点的特征包括所述节点的图像特征、文本特征和位置特征中的至少一种,所述边的特征所述文本行之间的相对位置、相对宽高中的至少一种。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述节点分类模型和所述边分类模型为端到端模型。
8.一种信息提取装置,其特征在于,所述装置包括:
检测模块,用于对图像进行文本检测,获得所述图像中的文本区域,所述文本区域包括多个文本行;
构建模块,用于根据所述文本区域构建图网络模型,所述文本区域中的每个文本行为所述图网络模型的一个节点;
分类模块,用于通过节点分类模型对所述图网络模型中的节点进行分类,以及通过边分类模型对所述图网络模型中的节点之间的边进行分类;
获取模块,用于根据对所述节点的分类结果以及对所述边的分类结果,获得所述图像中的至少一个键值对。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括提取模块,所述提取模块用于:
提取所述节点的特征,以及提取所述边的特征;
根据所述边的特征聚合所述节点的邻居节点的特征,获得所述节点的嵌入表示;
所述分类模型具体用于:
根据所述节点的嵌入表示,通过节点分类模型对所述图网络模型中的节点进行分类;
将所述边对应的两个节点的嵌入表示拼接,根据拼接后的所述嵌入表示,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
10.根据权利要求8所述的装置,其特征在于,所述分类模块具体用于:
根据对所述节点的分类结果,通过边分类模型对所述图网络模型中的节点之间的边进行分类。
11.根据权利要求8至10任一项所述的装置,其特征在于,所述对所述节点的分类结果包括如下标签中的一种:键、值和其他,所述对所述边的分类结果包括如下标签中的一种:键值边、值值边、键键边或其他中的一种。
12.根据权利要求11所述的装置,其特征在于,对所述节点的分类结果为键时,则对所述边的分类结果包括键值边或键键边;对所述节点的分类结果为值时,则对所述边的分类结果包括键值边或值值边。
13.根据权利要求8至12任一项所述的装置,其特征在于,所述节点的特征包括所述节点的图像特征、文本特征和位置特征中的至少一种,所述边的特征所述文本行之间的相对位置、相对宽高中的至少一种。
14.根据权利要求8至12任一项所述的装置,其特征在于,所述节点分类模型和所述边分类模型为端到端模型。
15.一种设备,其特征在于,所述设备包括处理器和存储器;
所述处理器用于执行所述存储器中存储的指令,以使得所述设备执行如权利要求1至7中任一项所述的方法。
16.一种计算机可读存储介质,其特征在于,包括指令,所述指令指示设备执行如权利要求1至7中任一项所述的方法。
17.一种计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得计算机执行如权利要求1至7中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300845.9A CN114037985A (zh) | 2021-11-04 | 2021-11-04 | 信息提取方法、装置、设备、介质及产品 |
PCT/CN2022/121551 WO2023077995A1 (zh) | 2021-11-04 | 2022-09-27 | 信息提取方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300845.9A CN114037985A (zh) | 2021-11-04 | 2021-11-04 | 信息提取方法、装置、设备、介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037985A true CN114037985A (zh) | 2022-02-11 |
Family
ID=80142797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111300845.9A Pending CN114037985A (zh) | 2021-11-04 | 2021-11-04 | 信息提取方法、装置、设备、介质及产品 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114037985A (zh) |
WO (1) | WO2023077995A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359912A (zh) * | 2022-03-22 | 2022-04-15 | 杭州实在智能科技有限公司 | 基于图神经网络的软件页面关键信息提取方法及系统 |
CN116011515A (zh) * | 2022-12-26 | 2023-04-25 | 人民网股份有限公司 | 几何神经网络模型构建方法、装置、设备及存储介质 |
WO2023077995A1 (zh) * | 2021-11-04 | 2023-05-11 | 北京有竹居网络技术有限公司 | 信息提取方法、装置、设备、介质及产品 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783760B (zh) | 2020-06-30 | 2023-08-08 | 北京百度网讯科技有限公司 | 文字识别的方法、装置、电子设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191715A (zh) * | 2019-12-27 | 2020-05-22 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
WO2021051553A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技(深圳)有限公司 | 一种证件信息的分类定位方法及装置 |
CN112949476A (zh) * | 2021-03-01 | 2021-06-11 | 苏州美能华智能科技有限公司 | 基于图卷积神经网络的文本关系检测方法、装置及存储介质 |
CN113536856A (zh) * | 2020-04-20 | 2021-10-22 | 阿里巴巴集团控股有限公司 | 图像识别方法和系统、数据处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102068277B1 (ko) * | 2019-10-04 | 2020-02-11 | 주식회사 루닛 | 이미지 분석 방법 및 시스템 |
CN112036395B (zh) * | 2020-09-04 | 2024-05-28 | 联想(北京)有限公司 | 基于目标检测的文本分类识别方法及装置 |
CN114037985A (zh) * | 2021-11-04 | 2022-02-11 | 北京有竹居网络技术有限公司 | 信息提取方法、装置、设备、介质及产品 |
-
2021
- 2021-11-04 CN CN202111300845.9A patent/CN114037985A/zh active Pending
-
2022
- 2022-09-27 WO PCT/CN2022/121551 patent/WO2023077995A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021051553A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技(深圳)有限公司 | 一种证件信息的分类定位方法及装置 |
CN111191715A (zh) * | 2019-12-27 | 2020-05-22 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113536856A (zh) * | 2020-04-20 | 2021-10-22 | 阿里巴巴集团控股有限公司 | 图像识别方法和系统、数据处理方法 |
CN112949476A (zh) * | 2021-03-01 | 2021-06-11 | 苏州美能华智能科技有限公司 | 基于图卷积神经网络的文本关系检测方法、装置及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023077995A1 (zh) * | 2021-11-04 | 2023-05-11 | 北京有竹居网络技术有限公司 | 信息提取方法、装置、设备、介质及产品 |
CN114359912A (zh) * | 2022-03-22 | 2022-04-15 | 杭州实在智能科技有限公司 | 基于图神经网络的软件页面关键信息提取方法及系统 |
CN116011515A (zh) * | 2022-12-26 | 2023-04-25 | 人民网股份有限公司 | 几何神经网络模型构建方法、装置、设备及存储介质 |
CN116011515B (zh) * | 2022-12-26 | 2024-01-26 | 人民网股份有限公司 | 几何神经网络模型构建方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023077995A1 (zh) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304835B (zh) | 文字检测方法和装置 | |
WO2022257578A1 (zh) | 用于识别文本的方法和装置 | |
US11775574B2 (en) | Method and apparatus for visual question answering, computer device and medium | |
CN108229341B (zh) | 分类方法和装置、电子设备、计算机存储介质 | |
CN114037985A (zh) | 信息提取方法、装置、设备、介质及产品 | |
CN111967467B (zh) | 图像目标检测方法、装置、电子设备和计算机可读介质 | |
CN113822428A (zh) | 神经网络训练方法及装置、图像分割方法 | |
CN111915480B (zh) | 生成特征提取网络的方法、装置、设备和计算机可读介质 | |
CN112990219B (zh) | 用于图像语义分割的方法和装置 | |
CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
CN110263877B (zh) | 场景文字检测方法 | |
CN113239925A (zh) | 一种文本检测模型训练方法、文本检测方法及装置、设备 | |
CN111209856B (zh) | 发票信息的识别方法、装置、电子设备及存储介质 | |
CN110633716A (zh) | 一种目标对象的检测方法和装置 | |
CN113408507B (zh) | 基于履历文件的命名实体识别方法、装置和电子设备 | |
CN113420757B (zh) | 文本审核方法、装置、电子设备和计算机可读介质 | |
CN113326766A (zh) | 文本检测模型的训练方法及装置、文本检测方法及装置 | |
WO2022100401A1 (zh) | 基于图像识别的价格信息处理方法、装置、设备和介质 | |
CN114463768A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN115375657A (zh) | 息肉检测模型的训练方法、检测方法、装置、介质及设备 | |
CN114495080A (zh) | 字体识别方法、装置、可读介质及电子设备 | |
CN113688938A (zh) | 确定对象情感的方法、训练情感分类模型的方法及装置 | |
CN115004261A (zh) | 文本行检测 | |
CN111612714A (zh) | 图像修复方法、装置和电子设备 | |
CN111950572A (zh) | 训练分类器的方法、装置、电子设备和计算机可读存储介质 |
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 |