CN114842489A - 表格解析方法及装置 - Google Patents
表格解析方法及装置 Download PDFInfo
- Publication number
- CN114842489A CN114842489A CN202210521847.9A CN202210521847A CN114842489A CN 114842489 A CN114842489 A CN 114842489A CN 202210521847 A CN202210521847 A CN 202210521847A CN 114842489 A CN114842489 A CN 114842489A
- Authority
- CN
- China
- Prior art keywords
- field
- feature
- column
- features
- area
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 39
- 238000010586 diagram Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000010977 unit operation Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000012015 optical character recognition Methods 0.000 abstract 2
- 238000004891 communication Methods 0.000 description 10
- 238000013145 classification model Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Character Input (AREA)
Abstract
本公开提供了一种表格解析方法、装置、设备、存储介质以及计算机程序产品,涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于OCR等场景。具体实现方案为:获取待解析的表格图像;对表格图像进行特征提取,得到多个字段特征;对多个字段特征进行行列分类,得到每个字段特征的行列属性;基于行列属性,对多个字段特征对应的文本进行排列,得到解析后的文本表格。提高了表格解析的准确性。
Description
技术领域
本公开涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于OCR等场景,尤其涉及一种表格解析方法、装置、设备、存储介质以及计算机程序产品。
背景技术
在将一个图像形式的表格解析为一个文本形式的表格时,通常采用字段检测分类及语义行检测相结合的方式进行解析,但是长宽比很大的语义行检测模型由于感受野的限制,不能准确的进行边界定位,会造成信息丢失。
发明内容
本公开提供了一种表格解析方法、装置、设备、存储介质以及计算机程序产品,提高了表格解析的准确性。
根据本公开的一方面,提供了一种表格解析方法,包括:获取待解析的表格图像;对表格图像进行特征提取,得到多个字段特征;对多个字段特征进行行列分类,得到每个字段特征的行列属性;基于行列属性,对多个字段特征对应的文本进行排列,得到解析后的文本表格。
根据本公开的另一方面,提供了一种表格解析装置,包括:获取模块,被配置为获取待解析的表格图像;特征提取模块,被配置为对表格图像进行特征提取,得到多个字段特征;分类模块,被配置为对多个字段特征进行行列分类,得到每个字段特征的行列属性;解析模块,被配置为基于行列属性,对多个字段特征对应的文本进行排列,得到解析后的文本表格。
根据本公开的又一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行上述表格解析方法。
根据本公开的又一方面,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,上述计算机指令用于使上述计算机执行上述表格解析方法。
根据本公开的再一方面,提供了一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现上述表格解析方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是本公开可以应用于其中的示例性系统架构图;
图2是根据本公开的表格解析方法的一个实施例的流程图;
图3是根据本公开的表格解析方法的另一个实施例的流程图;
图4是根据本公开的表格解析方法的一个示意图;
图5是根据本公开的表格解析装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的表格解析方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本公开的表格解析方法或表格解析装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以获取解析后的文本表格等。终端设备101、102、103上可以安装有各种客户端应用,例如图像特征提取应用等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种基于获取解析后的文本表格的服务。例如,服务器105可以对从终端设备101、102、103获取到的表格图像进行分析和处理,并生成处理结果(例如获取解析后的文本表格等)。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的表格解析方法一般由服务器105执行,相应地,表格解析装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的表格解析方法的一个实施例的流程200。该表格解析方法包括以下步骤:
步骤201、获取待解析的表格图像。
在本实施例中,表格解析方法的执行主体(例如图1所示的服务器105)可以获取待解析的表格图像。其中,待解析的表格图像是一个包含表格的图像,表格中的每个单元格都包含一个字段,一个字段可以是任意长度的文字,可以是任意长度的数字,可以是任意长度的字母,也可以文字、数字、字母的组合,本公开对此不做限定。需要说明的是,待解析的表格图像中包含一个表格,表格之外的区域为空白区域。
上述执行主体可以从公开的表格图像数据库中选取一个表格图像作为待解析的表格图像,也可以通过终端设备(例如图1所示的终端设备101、102、103)来收集一个表格图像作为待解析的表格图像,本公开对此不做限定。
步骤202、对表格图像进行特征提取,得到多个字段特征。
在本实施例中,上述执行主体在获取待解析的表格图像后,可以对表格图像进行特征提取,得到多个字段特征。具体地,可以将表格图像作为输入数据,输入到一个预先训练的特征提取模型中,从特征提取模型的输出端,输出多个字段特征。其中,特征提取模型是一个可以从表格图像中提取出字段特征的模型,多个字段特征是表格图像的表格中包含的多个字段的特征,一个字段特征对应一个字段,包括该字段的字段文本及字段文本的特征。示例性的,一个字段包含多个汉字,对应的一个字段特征包括多个汉字及多个汉字的特征,一个字段包含一个数字,对应的一个字段特征包括一个数字及一个数字的特征,一个字段包含多个字母,对应的一个字段特征包括多个字母及多个字母的特征。
步骤203、对多个字段特征进行行列分类,得到每个字段特征的行列属性。
在本实施例中,上述执行主体在得到多个字段特征后,可以对多个字段特征进行行列分类,得到每个字段特征的行列属性。具体地,可以将多个字段特征和表格图像作为输入数据,输入到一个预先训练的行列分类模型中,从行列分类模型的输出端,输出每个字段特征的行列属性。其中,行列分类模型是一个可以获取字段特征的行列属性的模型,一个字段特征的行列属性即该字段特征对应的字段,位于表格图像的表格中的第几行、第几列。具体地,行列分类模型可以先获取表格图像的行特征和列特征,然后将每个字段特征分别与各个行特征和列特征进行相似度计算,将相似度最大的行特征对应的行和列特征对应的列,作为该字段特征的行列属性,以此获取每个字段特征的行列属性。
步骤204、基于行列属性,对多个字段特征对应的文本进行排列,得到解析后的文本表格。
在本实施例中,上述执行主体在得到多个字段特征和每个字段特征的行列属性后,可以基于行列属性,对多个字段特征对应的文本进行排列,得到解析后的文本表格。具体地,一个字段特征对应一个字段,包括该字段的字段文本及字段文本的特征,可以先从多个字段特征中获取多个字段文本,然后基于多个字段特征的行列属性,对多个字段文本进行行列排序,排序后的字段文本形成解析后的文本表格。
本公开实施例提供的表格解析方法,首先获取待解析的表格图像,然后对表格图像进行特征提取,得到多个字段特征,接着对多个字段特征进行行列分类,得到每个字段特征的行列属性,最后基于行列属性,对多个字段特征对应的文本进行排列,得到解析后的文本表格。可以基于表格图像中的每个字段进行解析,提高了表格解析的准确率。
进一步继续参考图3,其示出了根据本公开的表格解析方法的另一个实施例的流程300。该表格解析方法包括以下步骤:
步骤301、获取待解析的表格图像。
在本实施例中,步骤301具体操作已在图2所示的实施例中步骤201进行了详细的介绍,在此不再赘述。
步骤302、将表格图像输入到特征提取网络中,得到表格特征图。
在本实施例中,上述执行主体在获取表格图像后,可以将表格图像输入到特征提取网络中,得到表格特征图。具体地,可以将表格图像作为输入数据,输入到特征提取网络中,从特征提取网络的输出端,输出表格特征图。其中,特征提取网络是一个可以提取图像特征的网络,表格特征图与表格图像的像素一一对应,表格特征图中的一个像素代表表格图像中的一个对应像素的文本特征及相对位置关系。
表格特征图和表格图像的长宽相同,但第三维大小不同,示例性的,表格图像是一个m*n*3的图像,表格特征图是一个m*n*512的图像,其中,m、n均为正整数。表格特征图的每个像素都是一个512维向量,代表表格图像中的一个对应像素的文本特征及相对位置关系,示例性的,若表格图像中的一个对应像素是汉字中的一撇,则表格特征图中的一个512维向量代表一撇的特征及一撇位于哪个像素之前、之后、之左、之右的相对位置关系;若表格图像中的一个对应像素是一个数字的一部分,则表格特征图中的一个512维向量代表该部分数字的特征及该部分数字位于哪个像素之前、之后、之左、之右的相对位置关系;若表格图像中的一个对应像素是空白,则表格特征图中的一个512维向量数值为0。
步骤303、对表格特征图进行区域映射,得到表格图像中多个字段区域对应的区域坐标图。
在本实施例中,上述执行主体在得到表格特征图后,可以对表格特征图进行区域映射,得到表格图像中多个字段区域对应的区域坐标图。具体地,可以将表格特征图作为输入数据,输入到一个卷积层中,从卷积层的输出端,输出区域坐标图,其中,卷积层是一个可以提取字段区域的卷积层。
可以基于表格特征图中每个像素的文本特征,将表格图像划分为多个区域,每个区域可以与表格图像中的一个单元格的大小相同,也可以与表格图像中的一个单元格的大小不同,但与一个单元格的大小相差不大,能基本包括一个单元格。划分的每个区域代表表格图像中的一个字段区域,表格图像中的空白区域不做划分。每个区域用多个坐标表示,坐标可以基于表格图像的像素表示,示例性的,表格图像是一个m*n*3的图像,一个坐标可以表示为(m,n/2),其中,m、n均为正整数。多个区域及其坐标构成区域坐标图。
步骤304、基于区域坐标图,从表格特征图中确定出多个字段特征。
在本实施例中,上述执行主体在得到区域坐标图后,可以基于区域坐标图,从表格特征图中确定出多个字段特征。具体地,可以从区域坐标图中获取每个区域的坐标,由于每个坐标可以基于表格图像的像素表示,表格特征图和表格图像的长宽相同,因此,可以直接从表格特征图中找到对应的坐标位置,以此在表格特征图中确定出多个特征区域,对多个特征区域进行裁剪,得到多个字段特征。
在本实施例的一些可选实现方式中,可以对多个字段区域包括的每个字段区域执行以下操作,得到多个字段特征:获取一个字段区域的置信度;响应于置信度大于置信度阈值,从区域坐标图中获取该字段区域的区域坐标;基于区域坐标,从表格特征图中提取出一个字段特征。
具体地,在获取表格特征图后,可以将表格特征图作为输入数据,输入到一个卷积层中,从卷积层的输出端,输出置信度图,其中,卷积层是一个可以确定字段区域的置信度的卷积层。置信度图中包括多个字段区域,每个字段区域包括一个置信度值,置信度图中的多个字段区域与区域坐标图中的多个字段区域一一对应。
可以对多个字段区域包括的每个字段区域执行以下操作:从置信度图中获取该字段区域的置信度值,将获取的置信度值与预先确定的置信度阈值进行比较,示例性的,置信度阈值为0.5。响应于获取的置信度值大于预先确定的置信度阈值,可以认为该字段区域存在文本,可以从区域坐标图中找到同一字段区域,并获取该字段区域的区域坐标。由于每个坐标可以基于表格图像的像素表示,表格特征图和表格图像的长宽相同,因此,可以直接从表格特征图中找到对应的坐标位置,以此在表格特征图中确定出一个特征区域,对该特征区域进行裁剪,得到一个字段特征,以此得到多个字段特征。
在本实施例的一些可选实现方式中,字段区域为四边形区域,字段区域的区域坐标为四边形区域的顶点坐标,可以对多个字段区域包括的每个字段区域执行以下操作,得到多个字段特征:获取一个四边形区域的置信度;响应于置信度大于置信度阈值,从区域坐标图中获取该四边形区域的顶点坐标;基于顶点坐标进行仿射变换,从表格特征图中确定出一个字段特征。
具体地,在获取置信度图后,可以对多个字段区域包括的每个字段区域执行以下操作,其中,置信度图和区域坐标图中的每个字段区域可以是一个矩形区域,也可以是一个不规则的四边形区域,本公开对此不做限定:从置信度图中获取该四边形区域的置信度值,将获取的置信度值与预先确定的置信度阈值进行比较,示例性的,置信度阈值为0.5。响应于获取的置信度值大于预先确定的置信度阈值,可以认为该字段区域存在文本,可以从区域坐标图中找到同一四边形区域,并获取该四边形区域的顶点坐标,其中,顶点坐标包括四边形区域的四个顶点的坐标,每个顶点包括两个坐标,分别对应表格图像的长度方向坐标和宽度方向坐标。由于该四边形区域可以是一个不规则的四边形区域,因此可以先基于顶点坐标进行仿射变换,将该四边形区域变换为一个矩形区域,基于该矩形区域的顶点坐标,从表格特征图中找到对应的坐标位置,以此在表格特征图中确定出一个特征区域,对该特征区域进行裁剪,得到一个字段特征,以此得到多个字段特征。
在本实施例的一些可选实现方式中,字段特征为三维向量。得到的多个字段特征用于进一步进行行列分类,得到每个字段特征的行列属性。
步骤305、将多个字段特征转化为多个一维向量。
在本实施例中,上述执行主体在得到多个字段特征后,可以将多个字段特征转化为多个一维向量。具体地,可以将每个字段特征作为输入数据,输入到一个向量转换网络中,从向量转换网络的输出端,输出对应的一个一维向量,以此得到多个一维向量。
步骤306、将多个一维向量输入到第一全连接层中进行列分类,得到多个字段特征的列属性。
在本实施例中,上述执行主体在得到多个一维向量后,可以将多个一维向量输入到第一全连接层中进行列分类,得到多个字段特征的列属性。具体地,可以将每个一维向量作为输入数据,输入到第一全连接层中,从第一全连接层的输出端,输出与一维向量对应的字段特征的列属性。其中,第一全连接层是可以进行列分类的全连接层,由于表格特征图中的一个像素代表表格图像中的一个对应像素的文本特征及相对位置关系,因此,从表格特征图中获取的每个字段特征也包含了字段的相对位置关系,字段特征对应的一维向量也包含了字段的相对位置关系,第一全连接层可以基于一维向量中的相对位置关系,得到一维向量对应的字段特征的列属性,以此得到多个字段特征的列属性。
步骤307、将多个一维向量输入到第二全连接层中进行行分类,得到多个字段特征的行属性。
在本实施例中,上述执行主体在得到多个一维向量后,可以将多个一维向量输入到第二全连接层中进行行分类,得到多个字段特征的行属性。具体地,可以将每个一维向量作为输入数据,输入到第二全连接层中,从第二全连接层的输出端,输出与一维向量对应的字段特征的行属性。其中,第二全连接层是可以进行行分类的全连接层,第二全连接层可以基于一维向量中的相对位置关系,得到一维向量对应的字段特征的行属性,以此得到多个字段特征的行属性。
步骤308、基于多个字段特征的行属性和列属性,从表格图像中获取每个字段特征对应的字段图像。
在本实施例中,上述执行主体在得到多个字段特征的行属性和列属性后,可以基于多个字段特征的行属性和列属性,从表格图像中获取每个字段特征对应的字段图像。具体地,可以基于每个字段特征的行属性和列属性,在表格图像中确定一个单元格位置,将该单元格位置的表格图像进行裁剪,得到该字段特征对应的字段图像,以此获取每个字段特征对应的字段图像。
步骤309、将每个字段特征对应的字段图像输入到预先训练的识别模型中,得到多个文本字段。
在本实施例中,上述执行主体在得到每个字段特征对应的字段图像后,可以将每个字段特征对应的字段图像输入到预先训练的识别模型中,得到多个文本字段。具体地,可以将每个字段特征对应的字段图像作为输入数据,输入到预先训练的识别模型中,从识别模型的输出端,输出字段图像对应的文本字段,以此得到多个文本字段。其中,识别模型是一个可以从图像中识别出文本的模型。
步骤310、基于多个字段特征的行属性和列属性,对多个文本字段进行排列,得到解析后的文本表格。
在本实施例中,上述执行主体在得到多个文本字段后,可以基于多个字段特征的行属性和列属性,对多个文本字段进行排列,得到解析后的文本表格。具体地,字段特征与文本字段是一一对应的,对于每一个字段特征,可以基于该字段特征的行属性和列属性,将对应的文本字段排列在一个表格中的对应行列位置,将多个文本字段排列完成后形成的表格确定为解析后的文本表格。
从图3中可以看出,与图2对应的实施例相比,本实施例中的表格解析方法,可以基于置信度图和区域坐标图获取多个字段特征,使获取的字段特征更准确,进而使解析后的文本表格更准确,基于包含字段相对位置关系的字段特征,经由第一全连接层和第二全连接层得到字段特征的行列属性,进一步提高了解析后的表格结构的准确性,基于每个文本字段的行列属性进行排列,可以提高对弯曲、褶皱的表格图像的解析准确性,并达到了端到端的解析效果。
进一步继续参考图4,其示出了根据本公开的表格解析方法的一个示意图400,从图4中可以看出,对于一个待解析的表格图像,可以先将表格图像输入到特征提取网络中,得到表格特征图,然后对表格特征图进行区域映射,得到表格图像中多个字段区域对应的区域坐标图,基于区域坐标图,从表格特征图中确定出多个字段特征,接着将多个字段特征转化为多个一维向量,分别输入到第一全连接层和第二全连接层中,得到多个字段特征的行属性和列属性,最后基于多个字段特征的行属性和列属性,从表格图像中获取每个字段特征对应的字段图像,将每个字段特征对应的字段图像输入到预先训练的识别模型中,得到多个文本字段,基于多个字段特征的行属性和列属性,对多个文本字段进行排列,得到解析后的文本表格。提高了表格解析的准确性。
进一步参考图5,作为对上述表格解析方法的实现,本公开提供了一种表格解析装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的表格解析装置500可以包括获取模块501,特征提取模块502,分类模块503,解析模块504。其中,获取模块501,被配置为获取待解析的表格图像;特征提取模块502,被配置为对表格图像进行特征提取,得到多个字段特征;分类模块503,被配置为对多个字段特征进行行列分类,得到每个字段特征的行列属性;解析模块504,被配置为基于行列属性,对多个字段特征对应的文本进行排列,得到解析后的文本表格。
在本实施例中,表格解析装置500:获取模块501,特征提取模块502,分类模块503,解析模块504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选实现方式中,特征提取模块502包括:特征提取子模块,被配置为将表格图像输入到特征提取网络中,得到表格特征图;映射子模块,被配置为对表格特征图进行区域映射,得到表格图像中多个字段区域对应的区域坐标图;切分子模块,被配置为基于区域坐标图,从表格特征图中确定出多个字段特征。
在本实施例的一些可选实现方式中,切分子模块包括:对多个字段区域包括的每个字段区域执行以下单元操作,得到多个字段特征:第一获取单元,被配置为获取一个字段区域的置信度;第二获取单元,被配置为响应于置信度大于置信度阈值,从区域坐标图中获取该字段区域的区域坐标;提取单元,被配置为基于区域坐标,从表格特征图中提取出一个字段特征。
在本实施例的一些可选实现方式中,字段区域为四边形区域,字段区域的区域坐标为四边形区域的顶点坐标,提取单元包括:提取子单元,被配置为基于顶点坐标进行仿射变换,从表格特征图中确定出一个字段特征。
在本实施例的一些可选实现方式中,字段特征为三维向量;分类模块503包括:转化子模块,被配置为将多个字段特征转化为多个一维向量;第一分类子模块,被配置为将多个一维向量输入到第一全连接层中进行列分类,得到多个字段特征的列属性;第二分类子模块,被配置为将多个一维向量输入到第二全连接层中进行行分类,得到多个字段特征的行属性。
在本实施例的一些可选实现方式中,解析模块504还包括:第一获取子模块,被配置为基于多个字段特征的行属性和列属性,从表格图像中获取每个字段特征对应的字段图像;第二获取子模块,被配置为将每个字段特征对应的字段图像输入到预先训练的识别模型中,得到多个文本字段;排列子模块,被配置为基于多个字段特征的行属性和列属性,对多个文本字段进行排列,得到解析后的文本表格。
根据本公开的实施例,本公开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。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储设备600操作所需的各种程序和数据。计算单元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。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如表格解析方法。例如,在一些实施例中,表格解析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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的表格解析方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行表格解析方法。
本文中以上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。
用于实施本公开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。程序代码可以完全在机器上执行、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。
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。服务器可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。服务器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。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种表格解析方法,包括:
获取待解析的表格图像;
对所述表格图像进行特征提取,得到多个字段特征;
对所述多个字段特征进行行列分类,得到每个字段特征的行列属性;
基于所述行列属性,对所述多个字段特征对应的文本进行排列,得到解析后的文本表格。
2.根据权利要求1所述的方法,其中,所述对所述表格图像中进行特征提取,得到多个字段特征包括:
将所述表格图像输入到特征提取网络中,得到表格特征图;
对所述表格特征图进行区域映射,得到所述表格图像中多个字段区域对应的区域坐标图;
基于所述区域坐标图,从所述表格特征图中确定出多个字段特征。
3.根据权利要求2所述的方法,其中,所述基于所述区域坐标图,从所述表格特征图中确定出多个字段特征包括:
对所述多个字段区域包括的每个字段区域执行以下操作,得到所述多个字段特征:
获取一个字段区域的置信度;
响应于所述置信度大于置信度阈值,从所述区域坐标图中获取该字段区域的区域坐标;
基于所述区域坐标,从所述表格特征图中提取出一个字段特征。
4.根据权利要求3所述的方法,其中,所述字段区域为四边形区域,所述字段区域的区域坐标为四边形区域的顶点坐标,所述基于所述区域坐标,从所述表格特征图中提取出一个字段特征包括:
基于所述顶点坐标进行仿射变换,从所述表格特征图中确定出一个字段特征。
5.根据权利要求2-4任一项所述的方法,其中,所述字段特征为三维向量;
所述对所述多个字段特征进行行列分类,得到每个字段特征的行列属性包括:
将所述多个字段特征转化为多个一维向量;
将所述多个一维向量输入到第一全连接层中进行列分类,得到所述多个字段特征的列属性;
将所述多个一维向量输入到第二全连接层中进行行分类,得到所述多个字段特征的行属性。
6.根据权利要求5所述的方法,其中,所述基于所述行列属性,对所述多个字段特征对应的文本进行排列,得到解析后的文本表格包括:
基于所述多个字段特征的行属性和列属性,从所述表格图像中获取每个字段特征对应的字段图像;
将所述每个字段特征对应的字段图像输入到预先训练的识别模型中,得到多个文本字段;
基于所述多个字段特征的行属性和列属性,对所述多个文本字段进行排列,得到所述解析后的文本表格。
7.一种表格解析装置,所述装置包括:
获取模块,被配置为获取待解析的表格图像;
特征提取模块,被配置为对所述表格图像进行特征提取,得到多个字段特征;
分类模块,被配置为对所述多个字段特征进行行列分类,得到每个字段特征的行列属性;
解析模块,被配置为基于所述行列属性,对所述多个字段特征对应的文本进行排列,得到解析后的文本表格。
8.根据权利要求7所述的装置,其中,所述特征提取模块包括:
特征提取子模块,被配置为将所述表格图像输入到特征提取网络中,得到表格特征图;
映射子模块,被配置为对所述表格特征图进行区域映射,得到所述表格图像中多个字段区域对应的区域坐标图;
切分子模块,被配置为基于所述区域坐标图,从所述表格特征图中确定出多个字段特征。
9.根据权利要求8所述的装置,其中,所述切分子模块包括:
对所述多个字段区域包括的每个字段区域执行以下单元操作,得到所述多个字段特征:
第一获取单元,被配置为获取一个字段区域的置信度;
第二获取单元,被配置为响应于所述置信度大于置信度阈值,从所述区域坐标图中获取该字段区域的区域坐标;
提取单元,被配置为基于所述区域坐标,从所述表格特征图中提取出一个字段特征。
10.根据权利要求9所述的装置,其中,所述字段区域为四边形区域,所述字段区域的区域坐标为四边形区域的顶点坐标,所述提取单元包括:
提取子单元,被配置为基于所述顶点坐标进行仿射变换,从所述表格特征图中确定出一个字段特征。
11.根据权利要求8-10任一项所述的装置,其中,所述字段特征为三维向量;
所述分类模块包括:
转化子模块,被配置为将所述多个字段特征转化为多个一维向量;
第一分类子模块,被配置为将所述多个一维向量输入到第一全连接层中进行列分类,得到所述多个字段特征的列属性;
第二分类子模块,被配置为将所述多个一维向量输入到第二全连接层中进行行分类,得到所述多个字段特征的行属性。
12.根据权利要求11所述的装置,其中,所述解析模块包括:
第一获取子模块,被配置为基于所述多个字段特征的行属性和列属性,从所述表格图像中获取每个字段特征对应的字段图像;
第二获取子模块,被配置为将所述每个字段特征对应的字段图像输入到预先训练的识别模型中,得到多个文本字段;
排列子模块,被配置为基于所述多个字段特征的行属性和列属性,对所述多个文本字段进行排列,得到所述解析后的文本表格。
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根据权利要求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 |
---|---|---|---|
CN202210521847.9A CN114842489A (zh) | 2022-05-13 | 2022-05-13 | 表格解析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210521847.9A CN114842489A (zh) | 2022-05-13 | 2022-05-13 | 表格解析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114842489A true CN114842489A (zh) | 2022-08-02 |
Family
ID=82570925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210521847.9A Pending CN114842489A (zh) | 2022-05-13 | 2022-05-13 | 表格解析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114842489A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115497113A (zh) * | 2022-09-30 | 2022-12-20 | 北京百度网讯科技有限公司 | 信息生成方法、装置、电子设备以及存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190294921A1 (en) * | 2018-03-23 | 2019-09-26 | Abbyy Production Llc | Field identification in an image using artificial intelligence |
CN110738030A (zh) * | 2019-10-17 | 2020-01-31 | 上海眼控科技股份有限公司 | 表格重建方法、装置、电子设备及存储介质 |
CN111382717A (zh) * | 2020-03-17 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 一种表格识别方法、装置和计算机可读存储介质 |
CN111626027A (zh) * | 2020-05-20 | 2020-09-04 | 北京百度网讯科技有限公司 | 表格结构还原方法、装置、设备、系统和可读存储介质 |
CN111695517A (zh) * | 2020-06-12 | 2020-09-22 | 北京百度网讯科技有限公司 | 图像的表格提取方法、装置、电子设备及存储介质 |
CN111860257A (zh) * | 2020-07-10 | 2020-10-30 | 上海交通大学 | 融合多种文本特征及几何信息的表格识别方法及系统 |
US20210012102A1 (en) * | 2019-07-08 | 2021-01-14 | UiPath SRL | Systems and Methods For Automatic Data Extraction From Document Images |
CN112487770A (zh) * | 2020-11-27 | 2021-03-12 | 山东浪潮通软信息科技有限公司 | 一种表数据管理方法、存储介质以及计算机 |
CN112949415A (zh) * | 2021-02-04 | 2021-06-11 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备和介质 |
CN112966140A (zh) * | 2021-03-10 | 2021-06-15 | 北京百度网讯科技有限公司 | 字段识别方法、装置、电子设备、存储介质和程序产品 |
CN113313113A (zh) * | 2021-06-11 | 2021-08-27 | 北京百度网讯科技有限公司 | 证件信息获取方法、装置、设备以及存储介质 |
CN113505762A (zh) * | 2021-09-09 | 2021-10-15 | 冠传网络科技(南京)有限公司 | 一种表格识别方法和装置、终端及存储介质 |
CN113762054A (zh) * | 2021-05-14 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、设备及可读存储介质 |
US20210406266A1 (en) * | 2020-06-30 | 2021-12-30 | Microsoft Technology Licensing, Llc | Computerized information extraction from tables |
CN113936287A (zh) * | 2021-10-20 | 2022-01-14 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的表格检测方法、装置、电子设备及介质 |
CN114005125A (zh) * | 2021-10-28 | 2022-02-01 | 深圳市商汤科技有限公司 | 一种表格识别方法、装置、计算机设备和存储介质 |
CN114077830A (zh) * | 2020-08-17 | 2022-02-22 | 税友软件集团股份有限公司 | 一种基于位置的pdf表格文档的解析方法、装置及设备 |
CN114332893A (zh) * | 2021-09-01 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 表格结构识别方法、装置、计算机设备和存储介质 |
-
2022
- 2022-05-13 CN CN202210521847.9A patent/CN114842489A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190294921A1 (en) * | 2018-03-23 | 2019-09-26 | Abbyy Production Llc | Field identification in an image using artificial intelligence |
US20210012102A1 (en) * | 2019-07-08 | 2021-01-14 | UiPath SRL | Systems and Methods For Automatic Data Extraction From Document Images |
CN110738030A (zh) * | 2019-10-17 | 2020-01-31 | 上海眼控科技股份有限公司 | 表格重建方法、装置、电子设备及存储介质 |
CN111382717A (zh) * | 2020-03-17 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 一种表格识别方法、装置和计算机可读存储介质 |
CN111626027A (zh) * | 2020-05-20 | 2020-09-04 | 北京百度网讯科技有限公司 | 表格结构还原方法、装置、设备、系统和可读存储介质 |
US20210390294A1 (en) * | 2020-06-12 | 2021-12-16 | Beijing Baidu Netcom Science Technology Co., Ltd. | Image Table Extraction Method And Apparatus, Electronic Device, And Storgage Medium |
CN111695517A (zh) * | 2020-06-12 | 2020-09-22 | 北京百度网讯科技有限公司 | 图像的表格提取方法、装置、电子设备及存储介质 |
US20210406266A1 (en) * | 2020-06-30 | 2021-12-30 | Microsoft Technology Licensing, Llc | Computerized information extraction from tables |
CN111860257A (zh) * | 2020-07-10 | 2020-10-30 | 上海交通大学 | 融合多种文本特征及几何信息的表格识别方法及系统 |
CN114077830A (zh) * | 2020-08-17 | 2022-02-22 | 税友软件集团股份有限公司 | 一种基于位置的pdf表格文档的解析方法、装置及设备 |
CN112487770A (zh) * | 2020-11-27 | 2021-03-12 | 山东浪潮通软信息科技有限公司 | 一种表数据管理方法、存储介质以及计算机 |
CN112949415A (zh) * | 2021-02-04 | 2021-06-11 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备和介质 |
CN112966140A (zh) * | 2021-03-10 | 2021-06-15 | 北京百度网讯科技有限公司 | 字段识别方法、装置、电子设备、存储介质和程序产品 |
CN113762054A (zh) * | 2021-05-14 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、设备及可读存储介质 |
CN113313113A (zh) * | 2021-06-11 | 2021-08-27 | 北京百度网讯科技有限公司 | 证件信息获取方法、装置、设备以及存储介质 |
CN114332893A (zh) * | 2021-09-01 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 表格结构识别方法、装置、计算机设备和存储介质 |
CN113505762A (zh) * | 2021-09-09 | 2021-10-15 | 冠传网络科技(南京)有限公司 | 一种表格识别方法和装置、终端及存储介质 |
CN113936287A (zh) * | 2021-10-20 | 2022-01-14 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的表格检测方法、装置、电子设备及介质 |
CN114005125A (zh) * | 2021-10-28 | 2022-02-01 | 深圳市商汤科技有限公司 | 一种表格识别方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
ZHENRONG ZHANG 等: "Split, Embed and Merge: An accurate table structure recognizer", 《ARXIV:2107.05214V3 [CS.CV]》, 30 January 2022 (2022-01-30), pages 1 - 35 * |
宋颖;易尧华;汤梓伟;卢利琼;: "基于级联R-FCN的文档图像表格检测方法", 数字印刷, no. 02, 10 April 2020 (2020-04-10), pages 56 - 63 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115497113A (zh) * | 2022-09-30 | 2022-12-20 | 北京百度网讯科技有限公司 | 信息生成方法、装置、电子设备以及存储介质 |
CN115497113B (zh) * | 2022-09-30 | 2023-11-14 | 北京百度网讯科技有限公司 | 信息生成方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10929610B2 (en) | Sentence-meaning recognition method, sentence-meaning recognition device, sentence-meaning recognition apparatus and storage medium | |
JP7393472B2 (ja) | 陳列シーン認識方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN113204615B (zh) | 实体抽取方法、装置、设备和存储介质 | |
CN113657274B (zh) | 表格生成方法、装置、电子设备及存储介质 | |
CN113642583B (zh) | 用于文本检测的深度学习模型训练方法及文本检测方法 | |
CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
CN113627439A (zh) | 文本结构化处理方法、处理装置、电子设备以及存储介质 | |
CN113239807B (zh) | 训练票据识别模型和票据识别的方法和装置 | |
CN114429633B (zh) | 文本识别方法、模型的训练方法、装置、电子设备及介质 | |
CN113537192B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN115358392A (zh) | 深度学习网络的训练方法、文本检测方法及装置 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN114842489A (zh) | 表格解析方法及装置 | |
CN112508005B (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN113837194A (zh) | 图像处理方法、图像处理装置、电子设备以及存储介质 | |
CN115116080A (zh) | 表格解析方法、装置、电子设备和存储介质 | |
CN116259064A (zh) | 表格结构识别方法、表格结构识别模型的训练方法及装置 | |
CN114724144A (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
CN114842482A (zh) | 一种图像分类方法、装置、设备和存储介质 | |
CN114708580A (zh) | 文本识别、模型训练方法、装置、设备、存储介质及程序 | |
CN113887394A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN114461837A (zh) | 一种图像处理方法、装置及电子设备 | |
CN113435257A (zh) | 表格图像的识别方法、装置、设备和存储介质 | |
CN114187435A (zh) | 文本识别方法、装置、设备以及存储介质 |
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 |