CN114186535A - 结构图还原方法、装置、电子设备、介质及程序产品 - Google Patents
结构图还原方法、装置、电子设备、介质及程序产品 Download PDFInfo
- Publication number
- CN114186535A CN114186535A CN202111275923.4A CN202111275923A CN114186535A CN 114186535 A CN114186535 A CN 114186535A CN 202111275923 A CN202111275923 A CN 202111275923A CN 114186535 A CN114186535 A CN 114186535A
- Authority
- CN
- China
- Prior art keywords
- original
- level
- segmentation
- structure diagram
- information
- 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
- 238000010586 diagram Methods 0.000 title claims abstract description 244
- 230000009467 reduction Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000011218 segmentation Effects 0.000 claims abstract description 163
- 230000004927 fusion Effects 0.000 claims abstract description 103
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007499 fusion processing Methods 0.000 claims 3
- 238000004891 communication Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/14—Tree-structured documents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
Abstract
本发明公开了一种结构图还原方法、装置、电子设备、介质及程序产品,所述方法包括:对原始层级结构图进行切分,得到m个切分层级结构图;对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。上述方案,能提升结构图还原的准确性及便捷性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种结构图还原方法、装置、电子设备、介质及程序产品。
背景技术
结构图是一层次清晰的嵌套结构图,经常出现在用户的日常工作和学习生活中。其中,以思维导图为例,是一种表达发散性思维的有效图形思维工具。为便于文件传输和用户阅读,思维导图通常以图像的形式存在。当思维导图以图像格式作为文件存储与传输方式时,就会存在一个很大的缺陷——只能支持查阅、无法支持编辑。
因此,亟需提出一种结构图还原方案。
发明内容
本发明实施例通过提供一种结构图还原方法、装置、电子设备、介质及程序产品,提升了结构图片还原的便捷性和准确性。
第一方面,本发明实施例提供一种结构图还原方法,包括:
对原始层级结构图进行切分,得到m个切分层级结构图,m为正整数;
对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;
对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;
根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。
可选地,若m个所述切分层级结构图中的任意两个所述切分层级结构图存在重叠区域,则所述对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息包括:
对m个所述切分层级结构图的特征信息进行特征融合及去重处理,得到所述原始层级结构图的融合信息。
可选地,所述特征信息包括所述切分层级结构图中的切分文本,所述融合信息包括所述原始层级结构图中的原始文本,所述对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息包括:
根据m个所述切分层级结构图中每个所述切分文本的文本位置信息,将每个所述切分文本转换至所述原始层级结构图中,得到所述原始层级结构图中的转换文本;
对所述转换文本进行去重处理,得到所述原始文本。
可选地,所述特征信息包括所述切分层级结构图中的i个切分层级节点,所述融合信息包括所述原始层级结构图中的n个原始层级节点,所述对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息包括:
根据m个所述切分层级结构图中每个所述切分层级节点的节点位置信息,将每个所述切分层级节点转换至所述原始层级结构图中,得到所述原始层级结构图中的j个转换层级节点,i和j均为正整数,且j大于i;
对j个所述转换层级节点进行去重处理,得到n个所述原始层级节点,n为小于j的正整数。
可选地,所述特征信息包括所述切分层级结构图中切分层级节点之间的切分逻辑连线,所述切分逻辑连线包括多个特征点,所述融合信息包括所述原始层级结构图中原始层级节点之间的原始逻辑连线,所述对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息包括:
根据每个所述特征点的像素位置信息,对m个所述切分层级结构图中切分层级节点之间的切分逻辑连线进行特征点融合和去重处理,得到所述原始逻辑连线。
可选地,所述融合信息包括所述原始层级结构图中的原始文本、n个原始层级节点及所述原始层级节点之间的原始逻辑连线,n为正整数,所述根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图包括:
对所述原始层级结构图中的n个原始层级节点及所述原始层级节点之间的原始逻辑连线进行结构重建,得到重建层级结构;
将所述原始文本和所述重建层级结构进行关联匹配,得到所述还原层级结构图。
可选地,所述原始文本包括至少一个原始文本行及每个所述原始文本行的位置信息,所述将所述原始文本和所述重建层级结构进行关联匹配,得到所述还原层级结构图包括:
根据每个所述原始文本行的位置信息,将每个所述原始文本行对应添加到所述重建层级结构中,得到所述还原层级结构图。
可选地,所述方法包括:
接收针对所述还原层级结构图的编辑指令,所述编辑指令用于修改所述还原层级结构图中的目标信息,所述目标信息包括以下中的至少一项:目标文本行、目标层级节点及目标逻辑连线;
响应所述编辑指令,对所述还原层级结构图中的目标信息进行对应的修改处理。
第二方面,本发明实施例提供一种结构图还原装置,包括:
切分模块,用于对原始层级结构图进行切分,得到m个切分层级结构图,m为正整数;
提取模块,用于对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;
融合模块,用于对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;
还原模块,用于根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。
关于本发明实施例中未介绍或未描述的内容,可对应参考前述方法实施例中的相关介绍,这里不再赘述。
第三方面,本发明实施例提供一种电子设备,包括有存储器,以及一个或者多个的程序,其中一个或者多个的程序存储于存储器中,且经配置以由一个或者多个的处理器执行所述一个或者多个的程序所包含的用于进行如第一方面提供的结构图还原方法对应的操作指令。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面提供的结构图还原方法对应的步骤。
本发明实施例提供的一个或多个技术方案,至少实现了如下技术效果或者优点:
本发明实施例提供的方案,对原始层级结构图进行切分,得到m个切分层级结构图;对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。上述方案中,本发明可将原始层级结构图切分为m个切分层级结构图,然后对m个切分层级结构图进行特征提取及融合,以得到原始层级结构图的融合信息,进而基于该融合信息对原始层级结构图进行还原处理,得到最终的还原层级结构图,这样能准确、可靠地实现结构图特别是大规模原始层级的还原,从而提升了结构图还原的准确性及便捷性。
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,还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种结构图还原方法的流程示意图。
图2是本发明实施例提供的一种切分层级结构图中的部分特征信息的示意图。
图3是本发明实施例提供的一种重建层级结构的示意图。
图4是本发明实施例提供的一种还原层级结构图的示意图。
图5是本发明实施例提供的一种结构图还原装置的结构示意图。
图6是本发明实施例提供的一种电子设备的示意图。
图7是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
本发明提供一种结构图还原方法、装置、电子设备及可读存储介质,以解决现有技术中由于图像过大无法实现大规模思维导图还原的技术问题,总体思路如下:
对原始层级结构图进行切分,得到m个切分层级结构图,m为正整数;对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。
通过上述技术方案,本发明可将原始层级结构图切分为m个切分层级结构图,然后对m个切分层级结构图进行特征提取及融合,以得到原始层级结构图的融合信息,进而基于该融合信息对原始层级结构图进行还原处理,得到最终的还原层级结构图,这样能准确、可靠地实现结构图特别是大规模原始层级的还原,从而提升了结构图还原的准确性及便捷性。
请参考图1,为本发明实施例提供的一种结构图还原方法的流程示意图。所述方法可应用于终端设备中,例如智能手机、平板电脑,也可应用于与终端设备建立有数据交互的服务器上,还可应用于由终端设备和服务器组成的系统中,本发明不做限定。如图1所示的方法包括以下步骤:
S101、对原始层级结构图进行切分,得到m个切分层级结构图,m为正整数。
本发明可先获取原始层级结构图,然后对所述原始层级结构图进行切分处理,以获得m个所述切分层级结构图。其中,所述原始层级结构图是指图像尺寸较大(例如超过预设第一尺寸)的层级结构图,也可称为大规模层级结构图。所述切分层级结构图为图像尺寸相对较小(例如图像尺寸不超过预设第二尺寸)的层级结构图,也可称为小规模层级结构图。所述预设第一尺寸和所述预设第二尺寸为系统自定义设置的尺寸阈值,它们可以相同,也可不同,本发明不做限定。
本发明涉及的所述切分/所述切分处理的具体实施方式可为重叠切分、或非重叠切分。所述重叠切分是指切分获得的m个所述切分层级结构图中相邻位置的两个所述切分层级结构图之间存在重叠区域,换言之本发明采用重叠切分的方式对原始层级结构图进行切分,能获得存在重叠区域的m个所述切分层级结构图。需要说明的是,所述重叠区域对应采用的重叠切分比例为系统自定义设置的比例值,例如20%等。所述非重叠切分是指切分获得的m个所述切分层级结构图中的任意两个所述切分层级结构图之间不存在重叠(或重叠区域),换言之本发明采用非重叠切分的方式对原始层级结构图进行切分,能获得互不重叠的m个所述切分层级结构图。
举例来说,以非重叠切分为例,假设所述原始层级结构图的尺寸为5000*5000,由于常规结构图还原方案中仅支持普通尺寸(1000*1000)的结构图,则本发明可将5000*5000的原始层级结构图切分为25个1000*1000的切分层级结构图,分别可表示为切分层级结构图1~切分层级结构图25。
本发明涉及的所述层级结构图是指可以用于表示层级或级别关系的结构图,该结构图能清晰地表现出各个级别的层次关系,其可包括但不限于思维导图、流程结构图、树形结构图、或其他自定义具备层次或层级关系的结构图等。
S102、对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息。
本发明所述切分层结构图的特征信息包括但不限于所述切分层级结构图中的切分文本、多个切分层级节点、所述切分层级节点之间的切分逻辑连线、或其他自定义的所述切分层级结构图的特征信息等。下面以一个所述切分层级结构图为例,介绍提取每个所述切分层级结构图的特征信息的几种具体实施方式。
在一实施方式中,本发明可采用文本识别技术对所述切分层级结构图进行文本识别,以获得所述切分层级结构图中的切分文本。所述文本识别技术包括但不限于光学字符识别(optical character recognition,OCR)、几何特征提取技术、或其他用于文本或文字识别的技术等。所述切分文本是指苏搜切分层级结构图中的文本,其可包括任意格式的自定义文本,例如bmp图像格式文本、jpg图像格式文本等。
在另一实施方式中,本发明可利用预先训练好的文本识别模型对所述切分层级结构图进行文本识别,以获得所述切分层级结构图中的切分文本。所述文本识别模型为预先训练好的用于识别层级结构图中的文本信息,其可包括但不限于前馈神经网络模型、卷积神经网络模型、深度残差网络模型、循环神经网络模型、长短期记忆模型、或其他机器学习模型等。
本发明涉及的所述切分文本包括但不限于至少一个切分文本行及每个所述切分文本行的位置信息(也可称为位置坐标)。所述切分文本行可以是指一行行的文本内容,也可是指一行行的文本内容及所述文本内容所拥有的文本框,本发明不做限定。可选地,本发明下文以所述文本行为文本内容为例,进行相关内容的阐述,但并不构成限定。
在另一实施方式中,本发明可对所述切分层级结构图进行节点提取,以获得所述切分层级结构图中的i个切分层级节点,i为正整数。需要说明的是,不同的所述切分层级结构图各自具有的所述切分层级节点的数量(即i)可以不同,也可相同,其具体根据实际需求而定,本发明不做限定。
具体实现中,本发明可采用预先训练好的关键节点检测模型对所述切分层级结构图中的层级节点进行检测并提取,得到所述切分层级结构图中的i个层级节点。所述层级节点的数量并不做限定,通常所述切分层级结构图的层级节点的数量为多个,即i通常为超过1的正整数。所述关键节点检测模型包括但不限于机器翻译Tensorflow模型、有限元ANSYS提取模型、前馈神经网络模型、卷积神经网络模型、或其他用于节点提取的模型等。
在另一实施方式中,本发明可对所述切分层级结构图进行连线提取,以获得所述切分层级结构图中切分层级节点之间的切分逻辑连线。需要说明的是,不同的所述切分层级结构图各自所包括的切分逻辑连线的数量可以相同,也可不同,其具体根据实际需求而定,本发明不做限定。
具体实现中,本发明可采用预先训练好的引导线分割模型对所述切分层级结构图中层级节点之间的切分逻辑连线进行提取,以将所述切分逻辑连线从所述切分层级结构图的图像背景中分割出来,从而获得所述切分层级结构图中所述层级节点之间的切分逻辑连线,所述切分逻辑连线的数量并不做限定,通常为多个。所述引导线分割模型包括但不限于轮廓提取模型、高斯线条提取模型、多源图像线条提取模型、或其他用于提取图像连线的模型等。
在实际应用中,每个所述切分逻辑连线也是由一系列的特征点组成。每个所述特征点对应配置有相应的像素分类,所述像素分类用于指示所述特征点是否为逻辑连线上的点。通常,所述像素分类是指基于像素级别的二分类,其具体可由特定字符、特定字符串或特定数值来标识或表示。例如,当用“1”表示所述特征点的像素分类时,其代表所述特征点为逻辑连线上的点。反之,用“0”表示所述特征点的像素分类时,其代表所述特征点为图像背景点,即不为逻辑连线上的点。
举例来说,请参见图2示出一种可能的切分层级结构图中部分特征信息的示意图。如图2所示的部分特征信息具体包括:所述切分层级结构图中的各个层级节点及所述层级节点之间的切分逻辑连线,例如图示中的标号①表示一个层级节点,图示中的标号②表示一个切分逻辑连线。
S103、对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息。
本发明可对每个所述切分层级结构图中的切分文本、i个切分层级节点及所述切分层级节点之间的切分逻辑连线进行特征融合,以得到所述原始层级结构图的融合信息。具体实现时,当所述切分层级结构图之间存在重叠区域时,本发明具体可对每个所述切分层级结构图中的切分文本、i个切分层级节点及所述切分层级节点之间的切分逻辑连线进行特征融合及去重处理,以得到所述融合信息。其中,所述原始层级结构图的融合信息包括但不限于所述原始层级结构图的原始文本、n个原始层级节点、所述原始层级节点之间的原始逻辑连线或其他信息,n为大于i的正整数。下面介绍步骤S103的几种具体实施方式。
在一实施方式中,所述切分层级结构图的特征信息包括所述切分层级结构图中的切分文本,所述原始层级结构图的融合信息包括所述原始层级结构图中的原始文本。此时本发明可根据m个所述切分层级结构图中每个所述切分文本的文本位置信息(具体可指所述切分文本中每个切分文本行的文本位置坐标),可选地还可结合m个所述切分层级结构图的切分顺序,依次将每个所述切分文本转换至所述原始层级结构图(具体可转换至所述原始层级结构图的原始坐标系)中,即将所有切分层级结构图中的切分文本转换至原始层结构图所在的同一原始坐标系中,从而获得所述原始层级结构图中的转换文本。
当所述切分层级结构图之间不存在重叠区域时,本发明可直接将所述转换文本作为所述原始文本。反之,当所述切分层级结构图之间存在重叠区域时,本发明可进一步采用预设的文本去重算法对所述转换文本进行去重处理,以将具备相同文本位置坐标的转换文本保留一份、去重多余的重复转换文本,从而获得最终的所述原始文本。所述文本去重算法为系统自定义设置的用于文本去重的算法,其可包括但不限于哈希simhash算法、去重算法(non maximum suppression,NMS)、或其他文本去重算法等。关于所述原始文本可对应参考前述所述切分文本的相关介绍,这里不再赘述。
在另一实施方式中,所述切分层级结构图的特征信息包括所述切分层级结构图中的i个切分层级节点,所述原始层级结构图的融合信息包括所述原始层级结构图中的n个原始层级节点。此时本发明可根据m个所述切分层级结构图中每个所述切分层级节点的节点位置信息(也可称为节点位置坐标),可选地还可结合m个所述切分层级结构图的切分顺序,依次将每个所述切分层级节点转换至所述原始层级结构图的原始坐标系中,即将所有切分层级结构图中的所有切分层级节点转换至原始层结构图所在的同一原始坐标系中,从而获得所述原始层级结构图中的j个转换层级节点,j为大于i的正整数。
当所述切分层级结构图之间不存在重叠区域时,本发明可直接将j个所述转换层级节点作为n个所述原始层级节点,此时n等于i。反之,当所述切分层级结构图之间存在重叠区域时,本发明可进一步对j个所述转换层级节点进行去重处理,例如采用节点数据去重算法进行去重处理等,以得到所述原始层级结构图中的n个所述原始层级节点,此时n为小于j的正整数。
在另一实施方式中,所述切分层级结构图的特征信息包括所述切分层级结构图中切分层级节点之间的切分逻辑连线,每个所述切分逻辑连线包括多个特征点;所述原始层级结构图的融合信息包括所述原始层级结构中原始层级节点之间的原始逻辑连线。此时本发明可根据m个所述切分层级结构图中组成所述切分逻辑连线的每个所述特征点的像素位置信息(即像素位置坐标),将每个所述切分逻辑连线进行特征点融合和去重处理,以得到所述原始层级结构图中的所述原始逻辑连线。具体地,本发明可针对单个的所述切分层级结构图进行特征点融合,所述切分层级结构图包括基于像素级别的多个特征点,每个所述特征点对应配置有像素分类,本发明可根据m个所述切分层级结构图的切分顺序,依次按照每个所述特征点的像素分类进行特征融合,可选地还可进行去重处理,以获得所述原始层级结构图中的所述原始逻辑连线。需要说明的是,本发明涉及的所述原始逻辑连线的数量并不做限定,通常所述原始逻辑连线的数量为多个。
需要说明的是,在实际应用中上述几种实施方式可单独实施执行,也可将其中的任一种或几种实施方式组合在一起实施执行,本发明不做限定。
S104、根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。
在一具体实施方式中,所述融合信息包括所述原始层级结构图中的原始文本、n个原始层级节点及所述原始层级节点之间的原始逻辑连线。本发明可首先对所述原始层级结构图中的n个原始层级节点及所述原始层级节点之间的原始逻辑连线进行结构重建,得到重建层级结构。具体地,本发明可采用基于点线信息的深度优先搜索算法对n个所述原始层级节点及所述原始层级节点之间的原始逻辑连线进行信息融合,并判断任意两个所述原始层级节点之间是否具备连通性。如果具备连通性,则将具备连通性的两个所述原始层级节点通过相应的原始逻辑连线连接在一起;否则,结束流程,或者接着判断其他两个原始层级节点之间是否具备连通性。以此原理,可实现节点之间层级信息的重构,以获得所述重建层级结构。
举例来说,请参见图3示出一种可能的重建层级结构的示意图。具体地,本发明采用基于点线信息的深度优先搜索算法对所述原始层级结构图中的多个原始层级节点及所述原始层级节点之间的原始逻辑连线进行结构重建,得到图3所示的重建层级结构。
接着,本发明可将所述原始文本和所述重建层级结构进行关联匹配,得到所述还原层级结构图。在一具体实施方式中,所述原始文本包括至少一个原始文本行及每个所述原始文本行的位置信息(即文本框位置)。则此时本发明可根据每个所述原始文本行的位置信息,将每个所述原始文本对应添加到所述重建层级结构的相应位置处,例如相应层级节点等,从而获得所述还原层级结构图。可理解的,当所述原始文本行包括所述原始文本行的文本内容及文本框,本发明具体可根据每个所述原始文本行的位置,将每个所述原始文本行对应的文本内容添加到所述重建层级结构的相应位置(如层级节点)处,这样即可实现文本内容与层级节点之间的联动匹配,以得到最终的所述还原层级结构图。
在实际应用中,所述还原层级结构图具体可以预设格式的文件存储,例如json文件等。所述还原层级结构图还可以可视化结构树的形式展示给用户查看及编辑。
举例来说,请参见图4示出一种可能的还原层级结构图的示意图。如图4所示的还原层级结构图中包括可编辑的多个文本行(也可称为文本)、可编辑的多个层级节点及所述层级节点之间的逻辑连线。用户可根据自身需求对所述还原层级结构图中的任意信息(例如层级节点、文本或逻辑连线等)进行自适应修改。
在可选实施例中,本发明获得所述还原层级结构图后,可采用一些编辑工具对所述还原层级结构图进行信息编辑处理,即修改处理。具体地,本发明可接收用户针对所述还原层级结构图的编辑指令,所述编辑指令用于请求对所述还原层级结构图中的目标信息进行修改处理,所述目标信息包括以下中的至少一项:所述还原层级结构图中的任意目标文本行、任意目标层级节点及任意目标逻辑连线等。所述目标文本行、所述目标层级节点及所述目标逻辑连线各自的数量并不做限定,其可根据用户实际需求而定。
相应地,在接收所述编辑指令后,本发明可响应所述编辑指令,对所述还原层级结构图中的目标信息进行相应地修改处理,例如对所述还原层级结构图中某一层级节点处的文本行进行修改等等。
通过实施本发明实施例,本发明对原始层级结构图进行切分,得到m个切分层级结构图;对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。上述方案中,本发明可将原始层级结构图切分为m个切分层级结构图,然后对m个切分层级结构图进行特征提取及融合,以得到原始层级结构图的融合信息,进而基于该融合信息对原始层级结构图进行还原处理,得到最终的还原层级结构图,这样能准确、可靠地实现结构图特别是大规模原始层级的还原,从而提升了结构图还原的准确性及便捷性。
基于同一发明构思,本说明书实施例还提供所述结构图还原方法对应的装置及电子设备。请参见图5,是本发明实施例提供的一种结构图还原装置的结构示意图。如图5所示的装置包括:切分模块501、提取模块502、融合模块503及还原模块504。其中:
所述切分模块501,用于对原始层级结构图进行切分,得到m个切分层级结构图,m为正整数;
所述提取模块502,用于对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;
所述融合模块503,用于对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;
所述还原模块504,用于根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。
可选地,若m个所述切分层级结构图中的两个所述切分层级结构图存在重叠区域,则所述融合模块503具体用于:
对m个所述切分层级结构图的特征信息进行特征融合及去重处理,得到所述原始层级结构图的融合信息。
可选地,所述特征信息包括所述切分层级结构图中的切分文本,所述融合信息包括所述原始层级结构图中的原始文本,所述融合模块503具体用于:
根据m个所述切分层级结构图中每个所述切分文本的文本位置信息,将每个所述切分文本转换至所述原始层级结构图中,得到所述原始层级结构图中的转换文本;
对所述转换文本进行去重处理,得到所述原始文本。
可选地,所述特征信息包括所述切分层级结构图中的i个切分层级节点,所述融合信息包括所述原始层级结构图中的n个原始层级节点,所述融合模块503具体用于:
根据m个所述切分层级结构图中每个所述切分层级节点的节点位置信息,将每个所述切分层级节点转换至所述原始层级结构图中,得到所述原始层级结构图中的j个转换层级节点,i和j均为正整数,且j大于i;
对j个所述转换层级节点进行去重处理,得到n个所述原始层级节点,n为小于j的正整数。
可选地,所述特征信息包括所述切分层级结构图中切分层级节点之间的切分逻辑连线,所述切分逻辑连线包括多个特征点,所述融合信息包括所述原始层级结构图中原始层级节点之间的原始逻辑连线,所述融合模块503具体用于:
根据每个所述特征点的像素位置信息,对m个所述切分层级结构图中切分层级节点之间的切分逻辑连线进行特征点融合和去重处理,得到所述原始逻辑连线。
可选地,所述融合信息包括所述原始层级结构图中的原始文本、n个原始层级节点及所述原始层级节点之间的原始逻辑连线,n为正整数,所述还原模块504用于:
对所述原始层级结构图中的n个原始层级节点及所述原始层级节点之间的原始逻辑连线进行结构重建,得到重建层级结构;
将所述原始文本和所述重建层级结构进行关联匹配,得到所述还原层级结构图。
可选地,所述原始文本包括至少一个原始文本行及每个所述原始文本行的位置信息,所述还原模块504具体用于:
根据每个所述原始文本行的位置信息,将每个所述原始文本行对应添加到所述重建层级结构中,得到所述还原层级结构图。
可选地,所述装置还包括接收模块505和处理模块506,其中:
所述接收模块505,用于接收针对所述还原层级结构图的编辑指令,所述编辑指令用于修改所述还原层级结构图中的目标信息,所述目标信息包括以下中的至少一项:目标文本行、目标层级节点及目标逻辑连线;
所述处理模块506,用于响应所述编辑指令,对所述还原层级结构图中的目标信息进行对应的修改处理。
需要说明的是,本发明所述装置中的所述融合模块503包括文本识别单元(也可称为OCR识别单元)、导引线分割单元及关键节点检测单元,图未示出。所述文本识别单元用于识别层级结构图中的文本,例如本发明中识别每个所述切分层级结构图中的切分文本等。所述引导线分割单元用于对层级结构图中层级节点之间的逻辑连线进行提取,例如本发明中采用预先训练好的引导线分割模型对所述切分层级结构图中层级节点之间的切分逻辑连线进行提取等。所述关键节点检测单元用于对层级结构图中的层级节点进行提取,例如本发明中采用预先训练好的关键节点检测模型对所述切分层级结构图中的层级节点进行检测并提取等。
关于上述实施例中的装置,其中各个模块或单元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。
基于同一发明构思,本发明实施例提供一种电子设备800,图6是根据一示例性实施例示出的电子设备800的框图。例如,设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理部件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件806为设备800的各种组件提供电力。电力组件806可以包括电源管理系统,一个或多个电源,及其他与为设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如组件为设备800的显示器和小键盘,传感器组件814还可以检测设备800或设备800一个组件的位置改变,用户与设备800接触的存在或不存在,设备800方位或加速/减速和设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于设备800和其他设备之间有线或无线方式的通信。设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信部件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由设备800的处理器820执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图7是本发明的一些实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processingunits,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,一个或一个以上键盘1956,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
一种非临时性计算机可读存储介质,当存储介质中的指令由装置(服务器或者终端)的处理器执行时,使得装置能够执行前述各实施例的结构图还原方法。
一种非临时性计算机可读存储介质,当存储介质中的指令由装置(服务器或者终端)的处理器执行时,使得该计算机设备执行前文图1所对应实施例中结构图片还原方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,需要说明的是:本申请实施例还提供了一种对于本申请所涉及的计算机程序产品或者计算机程序实施例中未披露的技术细节,请参照本申请方法实施例的描述。计算机程序产品或计算机程序,该计算机程序产品或者计算机程序可以包括计算机指令,该计算机指令可以存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器可以执行该计算机指令,使得该计算机设备执行前文图1所对应实施例中结构图片还原方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
本发明实施例提供的一个或多个技术方案,至少实现了如下技术效果或者优点:本发明通过对原始层级结构图进行切分,得到m个切分层级结构图;对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。上述方案中,本发明可将原始层级结构图切分为m个切分层级结构图,然后对m个切分层级结构图进行特征提取及融合,以得到原始层级结构图的融合信息,进而基于该融合信息对原始层级结构图进行还原处理,得到最终的还原层级结构图,这样能准确、可靠地实现结构图特别是大规模原始层级的还原,从而提升了结构图还原的准确性及便捷性。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制以上仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种结构图还原方法,其特征在于,包括:
对原始层级结构图进行切分,得到m个切分层级结构图,m为正整数;
对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;
对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;
根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。
2.根据权利要求1所述的方法,其特征在于,若m个所述切分层级结构图中的任意两个所述切分层级结构图存在重叠区域,则所述对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息包括:
对m个所述切分层级结构图的特征信息进行特征融合及去重处理,得到所述原始层级结构图的融合信息。
3.根据权利要求1或2所述的方法,其特征在于,所述特征信息包括所述切分层级结构图中的切分文本,所述融合信息包括所述原始层级结构图中的原始文本;
所述对m个所述切分层级结构图的特征信息进行特征融合处理,得到所述原始层级结构图的融合信息包括:
根据m个所述切分层级结构图中每个所述切分文本的文本位置信息,将每个所述切分文本转换至所述原始层级结构图中,得到所述原始层级结构图中的转换文本;
对所述转换文本进行去重处理,得到所述原始文本。
4.根据权利要求1或2所述的方法,其特征在于,所述特征信息包括所述切分层级结构图中的i个切分层级节点,所述融合信息包括所述原始层级结构图中的n个原始层级节点;
所述对m个所述切分层级结构图的特征信息进行特征融合处理,得到所述原始层级结构图的融合信息包括:
根据m个所述切分层级结构图中每个所述切分层级节点的节点位置信息,将每个所述切分层级节点转换至所述原始层级结构图中,得到所述原始层级结构图中的j个转换层级节点,i和j均为正整数,且j大于i;
对j个所述转换层级节点进行去重处理,得到n个所述原始层级节点,n为小于j的正整数。
5.根据权利要求1或2所述的方法,其特征在于,所述特征信息包括所述切分层级结构图中切分层级节点之间的切分逻辑连线,所述切分逻辑连线包括多个特征点,所述融合信息包括所述原始层级结构图中原始层级节点之间的原始逻辑连线;
所述对m个所述切分层级结构图的特征信息进行特征融合处理,得到所述原始层级结构图的融合信息包括:
根据每个所述特征点的像素位置信息,对m个所述切分层级结构图中切分层级节点之间的切分逻辑连线进行特征点融合和去重处理,得到所述原始逻辑连线。
6.根据权利要求1所述的方法,其特征在于,所述融合信息包括所述原始层级结构图中的原始文本、n个原始层级节点及所述原始层级节点之间的原始逻辑连线,n为正整数;
所述根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图包括:
对所述原始层级结构图中的n个原始层级节点及所述原始层级节点之间的原始逻辑连线进行结构重建,得到重建层级结构;
将所述原始文本和所述重建层级结构进行关联匹配,得到所述还原层级结构图。
7.根据权利要求6所述的方法,其特征在于,所述原始文本包括至少一个原始文本行及每个所述原始文本行的位置信息,所述将所述原始文本和所述重建层级结构进行关联匹配,得到所述还原层级结构图包括:
根据每个所述原始文本行的位置信息,将每个所述原始文本行对应添加到所述重建层级结构中,得到所述还原层级结构图。
8.根据权利要求7所述的方法,其特征在于,所述方法包括:
接收针对所述还原层级结构图的编辑指令,所述编辑指令用于修改所述还原层级结构图中的目标信息,所述目标信息包括以下中的至少一项:目标文本行、目标层级节点及目标逻辑连线;
响应所述编辑指令,对所述还原层级结构图中的目标信息进行对应的修改处理。
9.一种结构图还原装置,其特征在于,包括:
切分模块,用于对原始层级结构图进行切分,得到m个切分层级结构图,m为正整数;
提取模块,用于对m个所述切分层级结构图进行特征提取,得到m个所述切分层级结构图的特征信息;
融合模块,用于对m个所述切分层级结构图的特征信息进行特征融合,得到所述原始层级结构图的融合信息;
还原模块,用于根据所述融合信息,对所述原始层级结构图进行还原处理,得到对应的还原层级结构图。
10.根据权利要求9所述的装置,其特征在于,若m个所述切分层级结构图中的任意两个所述切分层级结构图存在重叠区域,则所述融合模块具体用于:
对m个所述切分层级结构图的特征信息进行特征融合及去重处理,得到所述原始层级结构图的融合信息。
11.根据权利要求9或10所述的装置,其特征在于,所述特征信息包括所述切分层级结构图中的切分文本,所述融合信息包括所述原始层级结构图中的原始文本,所述融合模块具体用于:
根据m个所述切分层级结构图中每个所述切分文本的文本位置信息,将每个所述切分文本转换至所述原始层级结构图中,得到所述原始层级结构图中的转换文本;
对所述转换文本进行去重处理,得到所述原始文本。
12.根据权利要求9或10所述的装置,其特征在于,所述特征信息包括所述切分层级结构图中的i个切分层级节点,所述融合信息包括所述原始层级结构图中的n个原始层级节点,所述融合模块具体用于:
根据m个所述切分层级结构图中每个所述切分层级节点的节点位置信息,将每个所述切分层级节点转换至所述原始层级结构图中,得到所述原始层级结构图中的j个转换层级节点,i和j均为正整数,且j大于i;
对j个所述转换层级节点进行去重处理,得到n个所述原始层级节点,n为小于j的正整数。
13.一种电子设备,其特征在于,包括有存储器,以及一个或者多个的程序,其中一个或者多个的程序存储于存储器中,且经配置以由一个或者多个的处理器执行所述一个或者多个的程序所包含的用于进行如权利要求1~8任一项所述方法对应的操作指令。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~8任一项所述方法对应的步骤。
15.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机指令,该计算机指令存储在计算机可读存储介质中,且适于由处理器读取并执行,以使得具有所述处理器的计算机设备执行权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111275923.4A CN114186535A (zh) | 2021-10-29 | 2021-10-29 | 结构图还原方法、装置、电子设备、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111275923.4A CN114186535A (zh) | 2021-10-29 | 2021-10-29 | 结构图还原方法、装置、电子设备、介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114186535A true CN114186535A (zh) | 2022-03-15 |
Family
ID=80601705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111275923.4A Pending CN114186535A (zh) | 2021-10-29 | 2021-10-29 | 结构图还原方法、装置、电子设备、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114186535A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018059A (zh) * | 2022-08-09 | 2022-09-06 | 北京灵汐科技有限公司 | 数据处理方法及装置、神经网络模型、设备、介质 |
-
2021
- 2021-10-29 CN CN202111275923.4A patent/CN114186535A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018059A (zh) * | 2022-08-09 | 2022-09-06 | 北京灵汐科技有限公司 | 数据处理方法及装置、神经网络模型、设备、介质 |
CN115018059B (zh) * | 2022-08-09 | 2022-11-18 | 北京灵汐科技有限公司 | 数据处理方法及装置、神经网络模型、设备、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368893B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
WO2022142014A1 (zh) | 基于多模态信息融合的文本分类方法、及其相关设备 | |
CN111696176B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
US11443438B2 (en) | Network module and distribution method and apparatus, electronic device, and storage medium | |
WO2022166069A1 (zh) | 深度学习网络确定方法、装置、电子设备及存储介质 | |
JP2022088304A (ja) | ビデオを処理するための方法、装置、電子機器、媒体及びコンピュータプログラム | |
CN112364799A (zh) | 一种手势识别方法及装置 | |
CN111160047A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN111754414B (zh) | 一种图像处理方法、装置和用于图像处理的装置 | |
CN114186535A (zh) | 结构图还原方法、装置、电子设备、介质及程序产品 | |
CN112764600B (zh) | 资源处理方法、装置、存储介质及计算机设备 | |
CN112597944A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN112613447A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN112381091A (zh) | 视频内容识别方法、装置、电子设备及存储介质 | |
CN108255917B (zh) | 图像管理方法、设备及电子设备 | |
CN110263743B (zh) | 用于识别图像的方法和装置 | |
CN114154464A (zh) | 结构图片还原方法、装置、电子设备、介质及程序产品 | |
CN114154467A (zh) | 结构图片还原方法、装置、电子设备、介质及程序产品 | |
CN114154462A (zh) | 结构图片还原方法、装置、电子设备、介质及程序产品 | |
CN114153940A (zh) | 文本匹配方法、装置、电子设备、介质及程序产品 | |
CN112200820A (zh) | 三维图像处理方法及装置、电子设备和存储介质 | |
CN112651221A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN113822020B (zh) | 文本处理方法、设备、存储介质 | |
CN114241471B (zh) | 视频文本识别方法、装置、电子设备及可读存储介质 | |
CN111292333B (zh) | 用于分割图像的方法和装置 |
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 |