CN114463768A - 表格识别方法、装置、可读介质和电子设备 - Google Patents
表格识别方法、装置、可读介质和电子设备 Download PDFInfo
- Publication number
- CN114463768A CN114463768A CN202210130332.6A CN202210130332A CN114463768A CN 114463768 A CN114463768 A CN 114463768A CN 202210130332 A CN202210130332 A CN 202210130332A CN 114463768 A CN114463768 A CN 114463768A
- Authority
- CN
- China
- Prior art keywords
- cell
- image
- feature
- determining
- text
- 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
- G06F18/25—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
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种表格识别方法、装置、可读介质和电子设备,该方法包括:获取表格图像,根据表格图像,通过表格识别模型,确定表格结构信息,其中,表格识别模型用于获取表格图像对应的文本语义图,并根据表格图像和文本语义图,确定多模态特征图,并根据多模态特征图,对表格图像中每个单元格进行检测,得到每个单元格的检测位置,并根据检测位置和多模态特征图,确定每个单元格对应的节点特征,并根据节点特征,确定表格结构信息。本公开通过表格识别模型利用多模态的节点特征进行表格结构识别,能够得到准确的表格结构信息,并确保对不同类型的表格的识别效果,同时提高了对表格结构识别的通用性以及生成的目标表格的准确性。
Description
技术领域
本公开涉及图像识别技术领域,具体地,涉及一种表格识别方法、装置、可读介质和电子设备。
背景技术
随着信息技术的发展,表格作为一种重要的信息表现形式被广泛使用在各个领域。在实际情况中,表格可能会以图像的形式存在,需要对表格图像进行表格识别,来得到表格图像对应的表格结构和表格内容,并生成指定格式的表格,以便于用户对表格图像中的表格信息进行获取、校对和编辑。当前,表格识别主要包括表格结构识别(英文:TableStructure Recognition,缩写:TSR)和表格内容识别(英文:Table Content Recognition,缩写:TCR)两部分。
相关技术中,表格结构识别主要依赖于手工设计的视觉特征,需要先检测出表格中的文本区域、表格线、表格线交点等视觉元素,再采用基于启发式规则的后处理算法,将属于同一单元格、同一行或同一列的元素依次聚类提取出来。然而,表格的样式和结构多种多样,采用这样的方式很难处理所有情况,需要针对每类表格针对性调整后处理算法,对表格结构识别的通用性和识别效果较差,进而影响生成的表格的准确性。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种表格识别方法,所述方法包括:
获取表格图像;
根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息;
其中,所述表格识别模型用于获取所述表格图像对应的文本语义图,并根据所述表格图像和所述文本语义图,确定多模态特征图,并根据所述多模态特征图,对所述表格图像中每个单元格进行检测,得到每个所述单元格的检测位置,并根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的节点特征,并根据所述节点特征,确定所述表格结构信息;所述文本语义图包括每个所述单元格对应的文本语义特征,所述节点特征包括所述单元格对应的位置特征、图像特征和文本语义特征;
根据所述表格结构信息,生成所述表格图像对应的目标表格。
第二方面,本公开提供一种表格识别装置,所述装置包括:
获取模块,用于获取表格图像;
处理模块,用于根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息;
其中,所述表格识别模型用于获取所述表格图像对应的文本语义图,并根据所述表格图像和所述文本语义图,确定多模态特征图,并根据所述多模态特征图,对所述表格图像中每个单元格进行检测,得到每个所述单元格的检测位置,并根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的节点特征,并根据所述节点特征,确定所述表格结构信息;所述文本语义图包括每个所述单元格对应的文本语义特征,所述节点特征包括所述单元格对应的位置特征、图像特征和文本语义特征;
生成模块,用于根据所述表格结构信息,生成所述表格图像对应的目标表格。
第三方面,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。
第四方面,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。
通过上述技术方案,本公开首先获取表格图像,再根据表格图像,通过预先训练好的表格识别模型,确定表格图像对应的表格结构信息,并根据表格结构信息,生成表格图像对应的目标表格,其中,表格识别模型用于获取表格图像对应的文本语义图,并根据表格图像和文本语义图,确定多模态特征图,并根据多模态特征图,对表格图像中每个单元格进行检测,得到每个单元格的检测位置,并根据检测位置和多模态特征图,确定每个单元格对应的节点特征,并根据节点特征,确定表格结构信息。本公开通过表格识别模型对表格图像进行特征抽取,得到多模态的节点特征,并利用多模态的节点特征进行表格结构识别,得到准确的表格结构信息,同时由于采用了多模态的节点特征,对手工设计的视觉特征的依赖较小,不需要针对性地调整后处理,就能确保对不同类型的表格的识别效果,提高了对表格结构识别的通用性,并且,通过准确的表格结构信息来生成目标表格,能够提高生成的目标表格的准确性。
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
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例示出的一种表格识别方法的流程图;
图2是根据一示例性实施例示出的一种单元格的示意图;
图3是根据图1所示实施例示出的一种步骤102的流程图;
图4是根据图1所示实施例示出的一种步骤103的流程图;
图5是根据一示例性实施例示出的一种表格识别装置的框图;
图6是根据图5所示实施例示出的一种生成模块的框图;
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性实施例示出的一种表格识别方法的流程图。如图1所示,该方法可以包括以下步骤:
步骤101,获取表格图像。
步骤102,根据表格图像,通过预先训练好的表格识别模型,确定表格图像对应的表格结构信息。
其中,表格识别模型用于获取表格图像对应的文本语义图,并根据表格图像和文本语义图,确定多模态特征图,并根据多模态特征图,对表格图像中每个单元格进行检测,得到每个单元格的检测位置,并根据检测位置和多模态特征图,确定每个单元格对应的节点特征,并根据节点特征,确定表格结构信息。文本语义图包括每个单元格对应的文本语义特征,节点特征包括单元格对应的位置特征、图像特征和文本语义特征。
示例地,表格图像中包含了丰富的多模态特征(例如图像特征和文本语义特征),而这些多模态特征均可以用于对表格图像中的表格进行表格结构识别。因此可以通过有效利用表格图像中的多模态特征,来进行表格结构识别。具体地,首先可以获取含有表格的表格图像,该表格图像例如可以是含有表格的PDF(英文:Portable Document Format,中文:便携式文档格式)。然后可以将获取到的表格图像输入到训练好的表格识别模型中,由表格识别模型先根据表格图像,生成包括表格图像中每个单元格对应的文本语义特征的文本语义图。例如,表格识别模型可以识别每个单元格的表格内容文本和表格内容文本的文本位置,并根据每个表格内容文本以及其对应的文本位置,生成文本语义图。其中,单元格可以是表格图像中包含一个文本段的包围框,如图2中的(a)所示。进一步地,为了提高表格结构识别的准确性,单元格可以采用对齐单元格,如图2中的(b)所示,对齐单元格可以是将每个单元格按照单元格之间的行列关系扩展至统一的边界,使同一行的单元格具有相同的上下边界,并使同一列的单元格具有相同的左右边界后得到的单元格。
之后表格识别模型可以对表格图像和文本语义图进行特征提取,以得到表格图像对应的图像特征以及文本语义图对应的文本语义特征,并根据表格图像对应的图像特征和文本语义图对应的文本语义特征,生成多模态特征图。接着表格识别模型可以利用多模态特征图,确定每个单元格对应的位置特征,再根据每个单元格的检测位置,从多模态特征图中,获取每个单元格对应的图像特征和文本语义特征,并根据每个单元格对应的位置特征、图像特征和文本语义特征,确定每个单元格对应的节点特征。然后表格识别模型可以根据每个单元格对应的节点特征,确定每两个相邻的单元格对应的边界特征,并根据每个单元格对应的节点特征以及每两个相邻的单元格对应的边界特征,确定表格结构信息。
步骤103,根据表格结构信息,生成表格图像对应的目标表格。
举例来说,在确定表格结构信息之后,可以根据表格结构信息,确定每个单元格的行列位置,再根据每个单元格的行列位置对该单元格进行识别,得到每个单元格中的表格内容文本。之后可以根据每个单元格的行列位置以及该单元格中的表格内容文本,生成表格图像对应的目标表格。
综上所述,本公开首先获取表格图像,再根据表格图像,通过预先训练好的表格识别模型,确定表格图像对应的表格结构信息,并根据表格结构信息,生成表格图像对应的目标表格,其中,表格识别模型用于获取表格图像对应的文本语义图,并根据表格图像和文本语义图,确定多模态特征图,并根据多模态特征图,对表格图像中每个单元格进行检测,得到每个单元格的检测位置,并根据检测位置和多模态特征图,确定每个单元格对应的节点特征,并根据节点特征,确定表格结构信息。本公开通过表格识别模型对表格图像进行特征抽取,得到多模态的节点特征,并利用多模态的节点特征进行表格结构识别,能够得到准确的表格结构信息,同时由于采用了多模态的节点特征,对手工设计的视觉特征的依赖较小,不需要针对性地调整后处理,就能确保对不同类型的表格的识别效果,提高了对表格结构识别的通用性,并且,通过准确的表格结构信息来生成目标表格,能够提高生成的目标表格的准确性。
图3是根据图1所示实施例示出的一种步骤102的流程图。如图3所示,表格识别模型包括文本嵌入模块、融合模块、位置检测模块、特征确定模块和信息确定模块,步骤102可以包括以下步骤:
步骤1021,通过文本嵌入模块根据表格图像,确定文本语义图。
在一种场景中,表格识别模型可以包括文本嵌入模块、融合模块、位置检测模块、特征确定模块和信息确定模块。在获取到表格图像之后,可以先对表格图像进行预处理(例如缩放、裁剪、翻转等),得到预处理后的表格图像,并将预处理后的表格图像发送至表格识别模型的文本嵌入模块。例如,在获取到表格图像之后,可以保持长宽比将表格图像的长边缩放到512像素(设此时表格图像的大小为H×W×3),并将缩放后的表格图像发送至文本嵌入模块。
之后可以通过文本嵌入模块利用预设识别算法,识别表格图像中每个单元格的表格内容文本,以及每个表格内容文本的文本位置。其中,预设识别算法可以是OCR(英文:Optical Character Recognition,中文:光学字符识别)算法。然后,文本嵌入模块可以获取每个表格内容文本的语义嵌入向量(语义嵌入向量用于表征表格内容文本对应的文本语义特征),再根据语义嵌入向量和文本位置,生成文本语义图,并将该文本语义图发送至融合模块。例如,文本嵌入模块可以利用BERT模型抽取每个表格内容文本的语义嵌入向量(该语义嵌入向量的维度大小为S),并在表格图像中的每个表格内容文本的文本位置处,共享该表格内容文本的语义嵌入向量,得到大小为H×W×S的文本语义图。
步骤1022,通过融合模块获取表格图像对应的图像特征以及文本语义图对应的文本语义特征,并根据表格图像对应的图像特征和文本语义图对应的文本语义特征,确定多模态特征图。
示例地,为了充分利用图像特征和文本语义特征之间的互补性,来对多模态的信息进行融合,融合模块可以采用双流网络。例如,融合模块可以包括第一特征提取网络、第二特征提取网络和归一化层。在接收到文本嵌入模块发送的文本语义图之后,可以通过第一特征提取网络对表格图像进行特征提取,得到表格图像对应的图像特征,并通过第二特征提取网络对文本语义图进行特征提取,得到文本语义图对应的文本语义特征。其中,第一特征提取网络和第二特征提取网络可以为两个独立的CNN(英文:Convolutional NeuralNetworks,中文:卷积神经网络)。然后,可以通过归一化层对表格图像对应的图像特征和文本语义图对应的文本语义特征进行逐元素相加,得到融合特征,并对融合特征进行归一化处理,得到多模态特征图。
步骤1023,通过位置检测模块根据多模态特征图,确定每个单元格的检测位置。
在本步骤中,可以将多模态特征图输入到位置检测模块中,以对表格图像中每个单元格的位置进行检测,得到每个单元格的检测位置。这里的单元格的检测位置并没有考虑单元格之间的行列关系约束,因此还有优化空间。其中,位置检测模块可以采用CNN(例如Faster R-CNN、Mask R-CNN等),
步骤1024,通过特征确定模块根据检测位置和多模态特征图,确定每个单元格对应的位置特征和每个单元格对应的多模态特征。其中,多模态特征包括单元格对应的图像特征和文本语义特征。
具体地,特征确定模块可以利用多模态特征图,对表格图像中每个单元格的位置进行检测,得到每个单元格的检测位置,并对每个单元格的检测位置进行位置编码,得到每个单元格对应的位置特征。然后特征确定模块可以根据每个单元格的检测位置,从多模态特征图中,提取每个单元格对应的多模态特征(该多模态特征包括图像特征和文本语义特征),并根据每个单元格对应的多模态特征、位置特征,确定每个单元格对应的节点特征。
步骤1025,通过信息确定模块根据节点特征,确定每个单元格的单元格位置信息以及每两个相邻的单元格之间的行列关系,并将单元格位置信息以及行列关系作为表格结构信息。
举例来说,信息确定模块可以根据每个单元格对应的节点特征,对应确定每个单元格的单元格位置信息,再根据每两个相邻的单元格对应的节点特征,确定每两个相邻的单元格对应的边界特征,并根据每两个相邻的单元格对应的边界特征,确定每两个相邻的单元格之间的行列关系。最后信息确定模块可以将每个单元格的单元格位置信息和每两个相邻的单元格之间的行列关系作为表格结构信息。
可选地,特征确定模块包括嵌入层、特征提取子模块和融合子模块,步骤1024可以包括以下步骤:
步骤A),通过嵌入层对每个单元格的检测位置进行位置编码,得到每个单元格对应的位置特征。
步骤B),根据特征提取子模块根据多模态特征图和每个单元格的检测位置,确定每个单元格对应的多模态特征。
步骤C),通过融合子模块对每个单元格对应的位置特征和该单元格对应的多模态特征进行逐元素相加,得到每个单元格对应的节点特征。
示例地,特征确定模块可以包括嵌入层(例如embedding层)、特征提取子模块和融合子模块。在确定每个单元格的检测位置之后,嵌入层可以对每个单元格的检测位置进行位置编码,得到每个单元格对应的维度大小为D的位置特征。然后,特征提取子模块可以根据每个单元格的检测位置,对多模态特征图进行RoI Align操作,得到维度大小同样为D的多模态特征。最后可以由融合子模块对每个单元格对应的位置特征和该单元格对应的多模态特征进行逐元素相加,得到每个单元格对应的节点特征。
可选地,信息确定模块包括图神经网络、第一多层感知机和第二多层感知机,步骤1025可以包括以下步骤:
步骤1),通过图神经网络对每个单元格对应的节点特征进行更新,得到每个单元格对应的更新后的节点特征。
举例来说,首先可以将每个单元格视作一个节点,并根据单元格之间的中心点的欧式距离进行KNN建图,以将距离每个节点最近的K个节点通过边连接起来,得到节点连接图。然后可以通过GNN(英文:Graph Neural Network,中文:图神经网络)进行消息传递和融合,以使每个节点对应的节点特征可以被该节点相邻的节点对应的节点特征更新,得到每个节点对应的更新后的节点特征,即得到了每个单元格对应的更新后的节点特征。
步骤2),通过第一多层感知机根据更新后的节点特征,确定每个单元格的单元格位置信息。
进一步地,可以将每个单元格对应的更新后的节点特征,输入到第一多层感知机中,由第一多层感知机对每个单元格的检测位置进行位置精修,得到第一多层感知机输出的每个单元格的单元格位置信息。其中,单元格位置信息为经过位置精修后的单元格边界的位置。
步骤3),通过第二多层感知机根据每两个相邻的单元格对应的更新后的节点特征,确定该两个相邻的单元格对应的边界特征,并根据边界特征,确定每两个相邻的单元格之间的行列关系。
具体地,可以将边相连的两个节点对应的更新后的节点特征连接起来,得到这两个节点对应的边界特征,即得到了两个相邻的单元格对应的边界特征。然后,可以将每两个相邻的单元格对应的边界特征输入到第二多层感知机中,得到第二多层感知机输出的每两个相邻的单元格之间的行列关系。其中,行列关系可以包括同行(即两个相邻的单元格在同一行)、同列(即两个相邻的单元格在同一列)和无关系(即两个相邻的单元格不在同一行,也不在同一列)三种。
图4是根据图1所示实施例示出的一种步骤103的流程图。如图4所示,步骤103可以包括以下步骤:
步骤1031,利用预设识别算法,对表格图像进行识别,得到每个单元格的表格内容文本。
步骤1032,根据表格结构信息和表格内容文本,生成目标表格。
示例地,在确定表格图像对应的表格结构信息之后,可以先根据表格结构信息,采用极大团搜索算法作为后处理,得到表格图像中包含的表格的表格结构。然后根据该表格结构,确定表格图像中每个单元格的行列位置(包括起始行、起始列、终止行和终止列索引)和单元格边界的位置,再根据每个单元格的行列位置和单元格边界的位置,利用预设识别算法,对每个单元格进行识别,得到每个单元格中的表格内容文本。之后可以根据每个单元格的行列位置以及该单元格中的表格内容文本,生成表格图像对应的目标表格。进一步地,还可以根据实际需求,将目标表格转化为指定数字化格式(例如excel或word等数字化格式)的表格,从而便于用户对目标表格进行校对和编辑。
需要说明的是,本公开通过对单元格的检测位置进行位置精修,并结合单元格之间的行列关系,通过后处理后,即可得到精准的单元格的行列位置和单元格边界的位置。
综上所述,本公开首先获取表格图像,再根据表格图像,通过预先训练好的表格识别模型,确定表格图像对应的表格结构信息,并根据表格结构信息,生成表格图像对应的目标表格,其中,表格识别模型用于获取表格图像对应的文本语义图,并根据表格图像和文本语义图,确定多模态特征图,并根据多模态特征图,对表格图像中每个单元格进行检测,得到每个单元格的检测位置,并根据检测位置和多模态特征图,确定每个单元格对应的节点特征,并根据节点特征,确定表格结构信息。本公开通过表格识别模型对表格图像进行特征抽取,得到多模态的节点特征,并利用多模态的节点特征进行表格结构识别,能够得到准确的表格结构信息,同时由于采用了多模态的节点特征,对手工设计的视觉特征的依赖较小,不需要针对性地调整后处理,就能确保对不同类型的表格的识别效果,提高了对表格结构识别的通用性,并且,通过准确的表格结构信息来生成目标表格,能够提高生成的目标表格的准确性。
图5是根据一示例性实施例示出的一种表格识别装置的框图。如图5所示,该装置200包括:
获取模块201,用于获取表格图像。
处理模块202,用于根据表格图像,通过预先训练好的表格识别模型,确定表格图像对应的表格结构信息。
其中,表格识别模型用于获取表格图像对应的文本语义图,并根据表格图像和文本语义图,确定多模态特征图,并根据多模态特征图,对表格图像中每个单元格进行检测,得到每个单元格的检测位置,并根据检测位置和多模态特征图,确定每个单元格对应的节点特征,并根据节点特征,确定表格结构信息。文本语义图包括每个单元格对应的文本语义特征,节点特征包括单元格对应的位置特征、图像特征和文本语义特征。
生成模块203,用于根据表格结构信息,生成表格图像对应的目标表格。
可选地,表格识别模型包括文本嵌入模块、融合模块、位置检测模块、特征确定模块和信息确定模块。处理模块202用于:
通过文本嵌入模块根据表格图像,确定文本语义图。
通过融合模块获取表格图像对应的图像特征以及文本语义图对应的文本语义特征,并根据表格图像对应的图像特征和文本语义图对应的文本语义特征,确定多模态特征图。
通过位置检测模块根据多模态特征图,确定每个单元格的检测位置。
通过特征确定模块根据检测位置和多模态特征图,确定每个单元格对应的位置特征和每个单元格对应的多模态特征。其中,多模态特征包括单元格对应的图像特征和文本语义特征。
通过信息确定模块根据节点特征,确定每个单元格的单元格位置信息以及每两个相邻的单元格之间的行列关系,并将单元格位置信息以及行列关系作为表格结构信息。
可选地,处理模块202用于:
通过文本嵌入模块利用预设识别算法,识别表格图像中每个单元格的表格内容文本,以及每个表格内容文本的文本位置。
获取每个表格内容文本的语义嵌入向量,并根据语义嵌入向量和文本位置,生成文本语义图。
可选地,融合模块包括第一特征提取网络、第二特征提取网络和归一化层,处理模块202用于:
通过第一特征提取网络对表格图像进行特征提取,得到表格图像对应的图像特征。
通过第二特征提取网络对文本语义图进行特征提取,得到文本语义图对应的文本语义特征。
通过归一化层对表格图像对应的图像特征和文本语义图对应的文本语义特征进行逐元素相加,得到融合特征,并对融合特征进行归一化处理,得到多模态特征图。
可选地,特征确定模块包括嵌入层、特征提取子模块和融合子模块,处理模块202用于:
通过嵌入层对每个单元格的检测位置进行位置编码,得到每个单元格对应的位置特征。
根据特征提取子模块根据多模态特征图和每个单元格的检测位置,确定每个单元格对应的多模态特征。
通过融合子模块对每个单元格对应的位置特征和该单元格对应的多模态特征进行逐元素相加,得到每个单元格对应的节点特征。
可选地,信息确定模块包括图神经网络、第一多层感知机和第二多层感知机,处理模块202用于:
通过图神经网络对每个单元格对应的节点特征进行更新,得到每个单元格对应的更新后的节点特征。
通过第一多层感知机根据更新后的节点特征,确定每个单元格的单元格位置信息。
通过第二多层感知机根据每两个相邻的单元格对应的更新后的节点特征,确定该两个相邻的单元格对应的边界特征,并根据边界特征,确定每两个相邻的单元格之间的行列关系。
图6是根据图5所示实施例示出的一种生成模块的框图。如图6所示,生成模块203包括:
识别子模块2031,用于利用预设识别算法,对表格图像进行识别,得到每个单元格的表格内容文本。
生成子模块2032,用于根据表格结构信息和表格内容文本,生成目标表格。
综上所述,本公开首先获取表格图像,再根据表格图像,通过预先训练好的表格识别模型,确定表格图像对应的表格结构信息,并根据表格结构信息,生成表格图像对应的目标表格,其中,表格识别模型用于获取表格图像对应的文本语义图,并根据表格图像和文本语义图,确定多模态特征图,并根据多模态特征图,对表格图像中每个单元格进行检测,得到每个单元格的检测位置,并根据检测位置和多模态特征图,确定每个单元格对应的节点特征,并根据节点特征,确定表格结构信息。本公开通过表格识别模型对表格图像进行特征抽取,得到多模态的节点特征,并利用多模态的节点特征进行表格结构识别,能够得到准确的表格结构信息,同时由于采用了多模态的节点特征,对手工设计的视觉特征的依赖较小,不需要针对性地调整后处理,就能确保对不同类型的表格的识别效果,提高了对表格结构识别的通用性,并且,通过准确的表格结构信息来生成目标表格,能够提高生成的目标表格的准确性。
下面参考图7,其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)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7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7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RAM 603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、ROM 602以及RAM 603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7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:获取表格图像;根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息;其中,所述表格识别模型用于获取所述表格图像对应的文本语义图,并根据所述表格图像和所述文本语义图,确定多模态特征图,并根据所述多模态特征图,对所述表格图像中每个单元格进行检测,得到每个所述单元格的检测位置,并根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的节点特征,并根据所述节点特征,确定所述表格结构信息;所述文本语义图包括每个所述单元格对应的文本语义特征,所述节点特征包括所述单元格对应的位置特征、图像特征和文本语义特征;根据所述表格结构信息,生成所述表格图像对应的目标表格。
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,例如,获取模块还可以被描述为“获取表格图像的模块”。
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提供了一种表格识别方法,所述方法包括:获取表格图像;根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息;其中,所述表格识别模型用于获取所述表格图像对应的文本语义图,并根据所述表格图像和所述文本语义图,确定多模态特征图,并根据所述多模态特征图,对所述表格图像中每个单元格进行检测,得到每个所述单元格的检测位置,并根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的节点特征,并根据所述节点特征,确定所述表格结构信息;所述文本语义图包括每个所述单元格对应的文本语义特征,所述节点特征包括所述单元格对应的位置特征、图像特征和文本语义特征;根据所述表格结构信息,生成所述表格图像对应的目标表格。
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,所述表格识别模型包括文本嵌入模块、融合模块、位置检测模块、特征确定模块和信息确定模块;所述根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息,包括:通过所述文本嵌入模块根据所述表格图像,确定所述文本语义图;通过所述融合模块获取所述表格图像对应的图像特征以及所述文本语义图对应的文本语义特征,并根据所述表格图像对应的图像特征和所述文本语义图对应的文本语义特征,确定所述多模态特征图;通过所述位置检测模块根据所述多模态特征图,确定每个所述单元格的检测位置;通过所述特征确定模块根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的位置特征和每个所述单元格对应的多模态特征;所述多模态特征包括所述单元格对应的图像特征和文本语义特征;通过所述信息确定模块根据所述节点特征,确定每个所述单元格的单元格位置信息以及每两个所述单元格之间的行列关系,并将所述单元格位置信息以及所述行列关系作为所述表格结构信息。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,所述通过所述文本嵌入模块根据所述表格图像,确定所述文本语义图,包括:通过所述文本嵌入模块利用预设识别算法,识别所述表格图像中每个所述单元格的表格内容文本,以及每个所述表格内容文本的文本位置;获取每个所述表格内容文本的语义嵌入向量,并根据所述语义嵌入向量和所述文本位置,生成所述文本语义图。
根据本公开的一个或多个实施例,示例4提供了示例2的方法,所述融合模块包括第一特征提取网络、第二特征提取网络和归一化层;所述通过所述融合模块获取所述表格图像对应的图像特征以及所述文本语义图对应的文本语义特征,并根据所述表格图像对应的图像特征和所述文本语义图对应的文本语义特征,确定所述多模态特征图,包括:通过所述第一特征提取网络对所述表格图像进行特征提取,得到所述表格图像对应的图像特征;通过所述第二特征提取网络对所述文本语义图进行特征提取,得到所述文本语义图对应的文本语义特征;通过所述归一化层对所述表格图像对应的图像特征和所述文本语义图对应的文本语义特征进行逐元素相加,得到融合特征,并对所述融合特征进行归一化处理,得到所述多模态特征图。
根据本公开的一个或多个实施例,示例5提供了示例2的方法,所述特征确定模块包括嵌入层、特征提取子模块和融合子模块;所述通过所述特征确定模块根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的位置特征和每个所述单元格对应的多模态特征,包括:通过所述嵌入层对每个所述单元格的检测位置进行位置编码,得到每个所述单元格对应的位置特征;根据所述特征提取子模块根据所述多模态特征图和每个所述单元格的检测位置,确定每个所述单元格对应的多模态特征;通过所述融合子模块对每个所述单元格对应的位置特征和该单元格对应的多模态特征进行逐元素相加,得到每个所述单元格对应的节点特征。
根据本公开的一个或多个实施例,示例6提供了示例2的方法,所述信息确定模块包括图神经网络、第一多层感知机和第二多层感知机;所述通过所述信息确定模块根据所述节点特征,确定每个所述单元格的单元格位置信息以及每两个相邻的所述单元格之间的行列关系,并将所述单元格位置信息以及所述行列关系作为所述表格结构信息,包括:通过所述图神经网络对每个所述单元格对应的节点特征进行更新,得到每个所述单元格对应的更新后的节点特征;通过所述第一多层感知机根据所述更新后的节点特征,确定每个所述单元格的单元格位置信息;通过所述第二多层感知机根据每两个相邻的所述单元格对应的所述更新后的节点特征,确定该两个相邻的所述单元格对应的边界特征,并根据所述边界特征,确定每两个相邻的所述单元格之间的行列关系。
根据本公开的一个或多个实施例,示例7提供了示例1-6中任一项所述的方法,所述根据所述表格结构信息,生成所述表格图像对应的目标表格,包括:利用预设识别算法,对所述表格图像进行识别,得到每个所述单元格的表格内容文本;根据所述表格结构信息和所述表格内容文本,生成所述目标表格。
根据本公开的一个或多个实施例,示例8提供了一种表格识别装置,所述装置包括:获取模块,用于获取表格图像;处理模块,用于根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息;其中,所述表格识别模型用于获取所述表格图像对应的文本语义图,并根据所述表格图像和所述文本语义图,确定多模态特征图,并根据所述多模态特征图,对所述表格图像中每个单元格进行检测,得到每个所述单元格的检测位置,并根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的节点特征,并根据所述节点特征,确定所述表格结构信息;所述文本语义图包括每个所述单元格对应的文本语义特征,所述节点特征包括所述单元格对应的位置特征、图像特征和文本语义特征;生成模块,用于根据所述表格结构信息,生成所述表格图像对应的目标表格。
根据本公开的一个或多个实施例,示例9提供了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示例1至示例7中所述方法的步骤。
根据本公开的一个或多个实施例,示例10提供了一种电子设备,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,以实现示例1至示例7中所述方法的步骤。
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 (10)
1.一种表格识别方法,其特征在于,所述方法包括:
获取表格图像;
根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息;
其中,所述表格识别模型用于获取所述表格图像对应的文本语义图,并根据所述表格图像和所述文本语义图,确定多模态特征图,并根据所述多模态特征图,对所述表格图像中每个单元格进行检测,得到每个所述单元格的检测位置,并根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的节点特征,并根据所述节点特征,确定所述表格结构信息;所述文本语义图包括每个所述单元格对应的文本语义特征,所述节点特征包括所述单元格对应的位置特征、图像特征和文本语义特征;
根据所述表格结构信息,生成所述表格图像对应的目标表格。
2.根据权利要求1所述的方法,其特征在于,所述表格识别模型包括文本嵌入模块、融合模块、位置检测模块、特征确定模块和信息确定模块;所述根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息,包括:
通过所述文本嵌入模块根据所述表格图像,确定所述文本语义图;
通过所述融合模块获取所述表格图像对应的图像特征以及所述文本语义图对应的文本语义特征,并根据所述表格图像对应的图像特征和所述文本语义图对应的文本语义特征,确定所述多模态特征图;
通过所述位置检测模块根据所述多模态特征图,确定每个所述单元格的检测位置;
通过所述特征确定模块根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的位置特征和每个所述单元格对应的多模态特征;所述多模态特征包括所述单元格对应的图像特征和文本语义特征;
通过所述信息确定模块根据所述节点特征,确定每个所述单元格的单元格位置信息以及每两个相邻的所述单元格之间的行列关系,并将所述单元格位置信息以及所述行列关系作为所述表格结构信息。
3.根据权利要求2所述的方法,其特征在于,所述通过所述文本嵌入模块根据所述表格图像,确定所述文本语义图,包括:
通过所述文本嵌入模块利用预设识别算法,识别所述表格图像中每个所述单元格的表格内容文本,以及每个所述表格内容文本的文本位置;
获取每个所述表格内容文本的语义嵌入向量,并根据所述语义嵌入向量和所述文本位置,生成所述文本语义图。
4.根据权利要求2所述的方法,其特征在于,所述融合模块包括第一特征提取网络、第二特征提取网络和归一化层;所述通过所述融合模块获取所述表格图像对应的图像特征以及所述文本语义图对应的文本语义特征,并根据所述表格图像对应的图像特征和所述文本语义图对应的文本语义特征,确定所述多模态特征图,包括:
通过所述第一特征提取网络对所述表格图像进行特征提取,得到所述表格图像对应的图像特征;
通过所述第二特征提取网络对所述文本语义图进行特征提取,得到所述文本语义图对应的文本语义特征;
通过所述归一化层对所述表格图像对应的图像特征和所述文本语义图对应的文本语义特征进行逐元素相加,得到融合特征,并对所述融合特征进行归一化处理,得到所述多模态特征图。
5.根据权利要求2所述的方法,其特征在于,所述特征确定模块包括嵌入层、特征提取子模块和融合子模块;所述通过所述特征确定模块根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的位置特征和每个所述单元格对应的多模态特征,包括:
通过所述嵌入层对每个所述单元格的检测位置进行位置编码,得到每个所述单元格对应的位置特征;
根据所述特征提取子模块根据所述多模态特征图和每个所述单元格的检测位置,确定每个所述单元格对应的多模态特征;
通过所述融合子模块对每个所述单元格对应的位置特征和该单元格对应的多模态特征进行逐元素相加,得到每个所述单元格对应的节点特征。
6.根据权利要求2所述的方法,其特征在于,所述信息确定模块包括图神经网络、第一多层感知机和第二多层感知机;所述通过所述信息确定模块根据所述节点特征,确定每个所述单元格的单元格位置信息以及每两个相邻的所述单元格之间的行列关系,并将所述单元格位置信息以及所述行列关系作为所述表格结构信息,包括:
通过所述图神经网络对每个所述单元格对应的节点特征进行更新,得到每个所述单元格对应的更新后的节点特征;
通过所述第一多层感知机根据所述更新后的节点特征,确定每个所述单元格的单元格位置信息;
通过所述第二多层感知机根据每两个相邻的所述单元格对应的所述更新后的节点特征,确定该两个相邻的所述单元格对应的边界特征,并根据所述边界特征,确定每两个相邻的所述单元格之间的行列关系。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述根据所述表格结构信息,生成所述表格图像对应的目标表格,包括:
利用预设识别算法,对所述表格图像进行识别,得到每个所述单元格的表格内容文本;
根据所述表格结构信息和所述表格内容文本,生成所述目标表格。
8.一种表格识别装置,其特征在于,所述装置包括:
获取模块,用于获取表格图像;
处理模块,用于根据所述表格图像,通过预先训练好的表格识别模型,确定所述表格图像对应的表格结构信息;
其中,所述表格识别模型用于获取所述表格图像对应的文本语义图,并根据所述表格图像和所述文本语义图,确定多模态特征图,并根据所述多模态特征图,对所述表格图像中每个单元格进行检测,得到每个所述单元格的检测位置,并根据所述检测位置和所述多模态特征图,确定每个所述单元格对应的节点特征,并根据所述节点特征,确定所述表格结构信息;所述文本语义图包括每个所述单元格对应的文本语义特征,所述节点特征包括所述单元格对应的位置特征、图像特征和文本语义特征;
生成模块,用于根据所述表格结构信息,生成所述表格图像对应的目标表格。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,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,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210130332.6A CN114463768A (zh) | 2022-02-11 | 2022-02-11 | 表格识别方法、装置、可读介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210130332.6A CN114463768A (zh) | 2022-02-11 | 2022-02-11 | 表格识别方法、装置、可读介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463768A true CN114463768A (zh) | 2022-05-10 |
Family
ID=81413149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210130332.6A Pending CN114463768A (zh) | 2022-02-11 | 2022-02-11 | 表格识别方法、装置、可读介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463768A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-02-11 CN CN202210130332.6A patent/CN114463768A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340131B (zh) | 图像的标注方法、装置、可读介质和电子设备 | |
CN110298413B (zh) | 图像特征提取方法、装置、存储介质及电子设备 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN110659639B (zh) | 汉字识别方法、装置、计算机可读介质及电子设备 | |
US20230334880A1 (en) | Hot word extraction method and apparatus, electronic device, and medium | |
CN113449070A (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN113947147A (zh) | 目标地图模型的训练方法、定位方法及相关装置 | |
CN114037985A (zh) | 信息提取方法、装置、设备、介质及产品 | |
CN112883968A (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN112712036A (zh) | 交通标志识别方法、装置、电子设备及计算机存储介质 | |
CN115578570A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN114153959A (zh) | 键值匹配方法、装置、可读介质及电子设备 | |
CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
CN113191257B (zh) | 笔顺检测方法、装置和电子设备 | |
CN112883966B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN114494709A (zh) | 特征提取模型的生成方法、图像特征提取方法和装置 | |
CN114463768A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN113408507A (zh) | 基于履历文件的命名实体识别方法、装置和电子设备 | |
CN110674813B (zh) | 汉字识别方法、装置、计算机可读介质及电子设备 | |
CN110852242A (zh) | 基于多尺度网络的水印识别方法、装置、设备及存储介质 | |
CN114970470B (zh) | 文案信息处理方法、装置、电子设备和计算机可读介质 | |
CN113807056B (zh) | 一种文档名称序号纠错方法、装置和设备 | |
CN115937888A (zh) | 文档比对方法、装置、设备和介质 | |
CN114612909A (zh) | 字符识别方法、装置、可读介质及电子设备 |
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 |