CN115035351B - 基于图像的信息提取方法、模型训练方法、装置、设备及存储介质 - Google Patents

基于图像的信息提取方法、模型训练方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115035351B
CN115035351B CN202210838350.XA CN202210838350A CN115035351B CN 115035351 B CN115035351 B CN 115035351B CN 202210838350 A CN202210838350 A CN 202210838350A CN 115035351 B CN115035351 B CN 115035351B
Authority
CN
China
Prior art keywords
image
information
training
feature
category
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.)
Active
Application number
CN202210838350.XA
Other languages
English (en)
Other versions
CN115035351A (zh
Inventor
钦夏孟
李煜林
张晓强
黄聚
谢群义
姚锟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210838350.XA priority Critical patent/CN115035351B/zh
Publication of CN115035351A publication Critical patent/CN115035351A/zh
Application granted granted Critical
Publication of CN115035351B publication Critical patent/CN115035351B/zh
Priority to US18/113,178 priority patent/US20240021000A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19127—Extracting features by transforming the feature space, e.g. multidimensional scaling; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19153—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation using rules for classification or partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种基于图像的信息提取模型、方法、装置、设备及存储介质，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：获取待提取的第一图像和待提取信息的类别；通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息。本公开的技术，能够有效地提高信息提取的效率。

Description

基于图像的信息提取方法、模型训练方法、装置、设备及存储 介质
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。尤其涉及一种基于图像的信息提取模型、方法、装置、设备及存储介质。
背景技术
为了加速信息流通和传递的效率，结构化文本已经替代自然语言成为日常生产的主流信息载体，并广泛用于数字化、自动化的办公流程。
尽管全球信息电子化成果日益显著，生活中仍然存在大量的实体文档需要被记录、审核以及电子化。例如在财务部门，每天存在大量实体票据被多次人工录入进行报账。银行中也存在许多个人业务需要登记身份证来绑定身份信息。借助光学字符识别技术，人们可以将实体文本进行识别和电子化。而进一步将这些无结构的文本处理为可存储的结构化文本，实现文本的结构化信息提取，支持企业办公智能化，促进信息电子化的进程。
发明内容
本公开提供了一种基于图像的信息提取模型、方法、装置、设备及存储介质。
根据本公开的一方面，提供了一种基于图像的信息提取方法，包括：
获取待提取的第一图像和待提取信息的类别；
通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息。
根据本公开的另一方面，提供了一种基于图像的信息提取模型的训练方法，包括：
获取训练图像样本，所述训练图像样本包括：训练图像、待提取信息的训练类别、和所述训练类别对应的信息在所述训练图像中的标签区域信息；
基于所述训练图像样本，对信息提取模型进行训练。
根据本公开的再一方面，提供了一种基于图像的信息提取装置，包括：
获取模块，用于获取待提取的第一图像和待提取信息的类别；
提取模块，用于通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息。
根据本公开的又一方面，提供了一种基于图像的信息提取模型的训练装置，包括：
获取模块，用于获取训练图像样本，所述训练图像样本包括：训练图像、待提取信息的训练类别、和所述训练类别对应的信息在所述训练图像中的标签区域信息；
训练模块，用于基于所述训练图像样本，对信息提取模型进行训练。
根据本公开的再另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。
根据本公开的再又一方面，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，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。
根据本公开的技术，能够有效地提高信息提取的效率。
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是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是本公开实施例提供的一种信息提取模型的架构图；
图4是根据本公开第三实施例的示意图；
图5是根据本公开第四实施例的示意图；
图6是根据本公开第五实施例的示意图；
图7是根据本公开第六实施例的示意图；
图8是根据本公开第七实施例的示意图；
图9是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
以下结合附图对本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。
显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理（Personal Digital Assistant，PDA）、无线手持设备、平板电脑（TabletComputer）等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
现有的文字结构化信息提取技术，主要提取卡、证、票据等图像的语义内容，并转化为结构化文本，实现结构化信息的提取。传统技术中，主要采用人工录入的方法，但是人工录入容易出现错误，费时费力，人力成本也较高。目前主要采用基于模板匹配的方法来实现。
基于模板匹配的方法，一般针对结构简单的证件。其待识别区域一般具有固定的几何版式。通过制作标准模板文件，在指定位置处提取对应的文本内容，并利用光学字符识别（Optical Character Recognition；OCR）技术实现文字的识别，并提取。但是基于模板匹配的方法，需要对每种证件版式维护一个标准模板，且不能处理非固定版式的卡、证和票据。总之，现有的信息提取方法的效率非常低。
图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种基于图像的信息提取方法，包括如下步骤：
S101、获取待提取的第一图像和待提取信息的类别；
S102、通过将第一图像和类别输入预先训练的信息提取模型，对第一图像进行信息提取，得到类别对应的文字信息。
本实施例的预先训练的信息提取模型也可以称为基于图像的信息提取模型，用于提取图像中的信息。该信息提取模型可以为双塔结构的模型，包括两个分支：图像分支和文本分支。图像分支主要提取图像特征，而文本分支只要用于转化文本特征，也就是query。在结构化问题中，query实际上是欲提取的value对应的key。比如“姓名：张三”，其中key对应“姓名”，value对应“张三”。本公开实施例的信息提取模型，可以定义为：给定一系列queries和对应的图像，输出各query对应value。
具体地，待提取信息的类别，即为欲从图像中提取信息的类别。使用时，将待提取的第一图像和待提取信息的类别，输入至预先训练的信息提取模型中，该信息提取模型便可以实现对第一图像进行信息提取，进而得到类别对应的文字信息。
本实施例的基于图像的信息提取方法，通过将待提取的第一图像和待提取信息的类别，输入至预先训练的信息提取模型中，该信息提取模型便可以实现根据类别，对第一图像进行信息提取，得到类别对应的文字信息。与现有技术相比，不用单独为各种卡、证以及票据设置相应的模板，本实施例的信息提取方法，可以适用于提取任意类型、任意格式的图像中任意类别的信息，能够有效的提高信息提取的效率，且适用范围非常广。
图2是根据本公开第二实施例的示意图；本实施例提供一种基于图像的信息提取方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地介绍本公开的技术方案。如图2所示，本实施例的基于图像的信息提取方法，具体可以包括如下步骤：
S201、获取待提取的第一图像以及欲从第一图像中提取信息的类别；
待提取的第一图像以及欲从第一图像中提取信息的类别可以为用户基于人工交互模块，输入至信息提取装置的。
S202、通过将第一图像和类别输入信息提取模型，对第一图像进行信息提取，得到类别对应的区域信息；
具体地，将第一图像以及类别，输入至信息提取模型，该信息提取模型，可以基于输入的第一图像和类别，从第一图像中提取该类别对应的区域信息。例如这里的区域信息可以为类别对应的区域的边界信息，如边界的顶点坐标等。
例如，具体实现时，可以包括如下步骤：
（1）通过将第一图像输入信息提取模型中的图像特征提取模块，对第一图像进行图像特征提取，得到图像特征；
本实施例中具体实现时，可以通过图像特征提取模块中的至少两层逐层进行的下采样方式，提取图像特征，图像特征对应的分辨率小于原始的第一图像对应的分辨率，这样可以缩小目标，使得类别对应的区域信息的获取更加容易。
该图像特征提取模块可以作为信息提取模型的骨干网络（Backbone），进行图像特征的提取，这个骨干网络可以是基于卷积神经网络（Convolutional Neural Network；CNN来实现，也可以是基于Transformer的神经网络来实现。例如，本实施例中，可以构建了一个基于Transformer的骨干网络，整个模型采取层次化的设计，优选地，本实施例中可以设置一共包含4个Stage，每个stage都会缩小输入的图像特征的分辨率，从而像CNN一样逐层扩大感受野。相较于其余Stage的Token Merging层所起到的下采样的作用，Stage 1层的Token Embedding层还包括了将图像分块并嵌入位置信息的操作。而Block具体由两个Transformer中的Encoder组成，和原始Encoder由自注意力层和前馈层组成相比，Block中第一个Encoder将自注意力层换成了窗口自注意力层，从而将注意力的计算集中在固定大小的窗口内部，大大降低了计算量，同时第二个原始的Encoder也保证了不同窗口之间信息的交互流动。这样从局部到整体的架构可以显著提升模型的特征提取能力。
（2）通过将类别输入信息提取模型中的文本特征提取模块进行文本特征提取，得到文本特征；
（3）通过将图像特征和文本特征输入信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到融合特征；
本实施例的特征融合的目的是，将图像特征和文本特征进行融合，使得最终的特征能够同时兼顾视觉和语义特性。该融合模块可以采用transformer encoder中的crossattention机制来实现。
（4）采用信息提取模型中的解码器，对融合特征进行解码，得到区域信息。
解码时，可以先从融合后的融合特征中分别获取对应的图像特征和对应的文本特征，此时的图像特征在提取阶段已经经过多倍的下采样，如上述4级stage，进入stage前也进行了2倍的下采样，然后4级stage逐级进行2倍的下采样，最终相当于进行了32倍的下采样。为了提高获取的类别对应的区域信息的准确性，可以先对融合后的融合特征中的图像特征部分进行上采样，但是上采样的倍数可以小于前述下采样的倍数。例如，可以先对该融合后的图像特征进行8倍的上采样，得到原始图像的1/4大小的图像特征，或者也可以称为特征图像。然后将得到的该图像特征与融合后的融合特征中的文本特征部分进行点乘操作，获取到1/4大小的进一步的融合特征。或者实际应用中，也可以进行2倍、4倍或者16倍的上采样。优选地，最终得到的原始图像的1/4大小的图像特征效果最佳。
点乘后得到的该1/4大小的融合特征便能标识该类别对应的区域信息。例如，融合特征中每一个像素点对应一个概率值，该概率值大于或者等于预设阈值，可以认为该像素点为该类别对应的区域；反之，若像素点的概率值小于预设阈值，则可以认为该像素点不是该类别对应的区域。为了更加清楚的识别该类别对应的区域，可以将融合特征中概率值大于或者等于预设阈值的位置，概率值都设为1，而像素点的概率值小于预设阈值的位置，概率值都设为0，这样可以很清晰地识别出该类别对应的区域，进而可以获取到对应的区域信息。如该类别对应的区域为矩形框时，对应的区域信息可以为矩形框的四个顶点。
例如，图3是本公开实施例提供的一种信息提取模型的架构图，基于该架构，可以实现上述步骤(1)-步骤(4)。
本实施例中，也可以将该类别对应的区域信息输出，供用户参考，而且也能够丰富信息提取的类型和内容。
S203、基于区域信息，从第一图像中识别类别对应的文字信息。
例如，具体实现时，可以先基于类别对应的区域信息，从第一图像中截取类别对应的信息在第一图像中对应的第二图像；然后基于第二图像，获取类别对应的文字信息。具体地，可以采用光学字符识别（Optical Character Recognition；OCR）方法，对第二图像中的文字进行识别，可以非常准确地得到类别对应的文字信息。这样，目标图像相对于原始的图像更小，可以缩小文字信息识别的区域，提高类别对应的文字信息提取准确性和提取精度。
需要说明的是，若欲提取的类别有多个时，按照上述实施例的方式，依次获取各类别对应的区域信息和文字信息即可。
本实施例的基于图像的信息提取方法，通过将第一图像和待提取信息的类别输入至信息提取模型，可以获取到类别对应的区域信息，进而基于类别对应的区域信息，可以从第一图像中识别类别对应的文字信息，实现类别对应的区域信息和类别对应的文字信息的提取，不仅能够提高提取的文字信息的准确性，还能够有效地丰富信息提取的内容。而且，本实施例的信息提取方法，采用该信息提取模型来实现，该信息提取模型包括有图像特征提取模块、文本特征提取模块、特征融合模块以及解码器，信息处理的准确性非常高，而且非常智能。该信息提取模型可以适用于各种场景中进行信息提取。例如，可以实现多版式以及非固定版式的卡、证以及票据信息提取，扩大信息提取所覆盖的业务范围，具备较强的扩展性和通用性。
图4是根据本公开第三实施例的示意图；如图4所示，本实施例提供一种基于图像的信息提取模型的训练方法，包括：
S401、获取训练图像样本，该训练图像样本包括训练图像、待提取信息的训练类别、和训练类别对应的信息在训练图像中的标签区域信息；
S402、基于训练图像样本，对信息提取模型进行训练。
本实施例中，训练过程中的训练图像样本的数量可以有多条。每条训练图像样本中的训练类别可以有一个，也可以有两个或者多个。对应地，对于每种训练类别，均需要标注对应的标签区域信息。训练时，可以采用各训练图像样本，对信息提取模型进行训练。本实施例的信息提取模型也可以称为基于图像的信息提取模型，即为上述图1和图2所示实施例的信息提取模型，用于实现从图像中提取信息。
本实施例的信息提取模型的训练方法，通过采用上述方式，采用训练图像样本中的训练图像以及待提取信息的训练类别、以及训练类别对应的信息在训练图像中的标签区域信息，对信息提取模型进行训练，能够有效的确保训练的信息提取模型的准确性。
图5是根据本公开第四实施例的示意图；如图5所示，本实施例提供一种基于图像的信息提取模型的训练方法，包括：
S501、获取训练图像样本，该训练图像样本包括训练图像、待提取信息的训练类别、和训练类别对应的信息在训练图像中的标签区域信息；
S502、通过将训练图像和训练类别输入信息提取模型，对训练图像进行信息提取，得到训练类别对应的信息在训练图像中的预测区域信息；
例如，具体实现时，可以包括如下步骤：
（a）通过将训练图像输入信息提取模型中的图像特征提取模块，对训练图像进行图像特征提取，得到训练图像特征；
（b）通过将训练类别输入信息提取模型中的文本特征提取模块进行文本特征提取，得到训练文本特征；
（c）通过将训练图像特征和训练文本特征输入信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到训练融合特征；
（d）采用信息提取模型中的解码器，对训练融合特征进行解码，得到预测区域信息。
具体实现过程，可以参考上述图3所示实施例的步骤（1）-（4），在此不再赘述。
S503、基于预测区域信息和标签区域信息，构建损失函数；
S504、检测损失函数是否收敛，若损失函数不收敛，执行步骤S505；若损失函数收敛，执行步骤S506；
S505、调整信息提取模型的参数，返回步骤S501，继续获取下一条训练图像样本对信息提取模型进行训练。
例如，本实施例中，调整信息提取模型的参数时朝向损失函收敛的方向调整。
S506、检测是否满足训练终止条件；若满足，确定信息提取模型的参数，进而确定信息提取模型，结束。若不满足，返回步骤S501，继续获取下一条训练图像样本对信息提取模型进行训练。
本实施例的训练终止条件可以为训练次数达到预设次数阈值。或者在连续预设轮数的训练中，跨模态检索的损失函数是否始终收敛，若始终收敛，确定满足训练终止条件，否则不满足训练终止条件。
本实施例的信息提取模型的训练方法，通过采用上述方式，以训练图像样本中的训练类别对应的文字框在训练图像中的标签区域信息作为监督，可以基于训练图像样本，对信息提取模型进行训练，能够有效的确保训练的信息提取模型的准确性，进而可以提高采用该信息提取模型进行信息提取时的准确性以及提取效率。
图6是根据本公开第五实施例的示意图；如图5所示，本实施例提供一种基于图像的信息提取装置600，包括：
获取模块601，用于获取待提取的第一图像和待提取信息的类别；
提取模块602，用于通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息。
本实施例的基于图像的信息提取装置600，通过采用上述模块实现信息提取的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图7是根据本公开第六实施例的示意图；如图7所示，本实施例提供一种基于图像的信息提取装置700，包括上述图6所示的同名同功能模块：获取模块701和提取模块702。
如图7所示，在本实施例中，提取模块702，包括：
提取单元7021，用于通过将所述第一图像和所述类别输入所述信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的区域信息；
识别单元7022，用于基于所述区域信息，从所述第一图像中识别所述文字信息。
进一步可选地，在本公开的一个实施例中，识别单元7022，用于：
基于所述区域信息，从所述第一图像中截取所述类别对应的信息在所述第一图像中对应的第二图像；
基于所述第二图像，获取所述文字信息。
进一步可选地，在本公开的一个实施例中，识别单元7022，用于：
采用光学字符识别方法，对所述第二图像进行文字识别，得到所述文字信息。
进一步可选地，在本公开的一个实施例中，提取模块702，具体地，提取模块702中的提取单元7021，用于：
通过将所述第一图像输入所述信息提取模型中的图像特征提取模块，对所述第一图像进行图像特征提取，得到图像特征；
通过将所述类别输入所述信息提取模型中的文本特征提取模块进行文本特征提取，得到文本特征；
通过将所述图像特征和所述文本特征输入所述信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到融合特征；
采用所述信息提取模型中的解码器，对所述融合特征进行解码，得到所述区域信息。
进一步可选地，在本公开的一个实施例中，提取模块702，具体地，提取模块702中的提取单元7021，用于：
通过所述图像特征提取模块中的至少两层逐层进行的下采样方式，提取所述图像特征；
其中，所述图像特征的分辨率小于所述第一图像的分辨率。
进一步可选地，在本公开的一个实施例中，提取模块702，具体地，提取模块702中的提取单元7021，用于：
采用所述解码器，对所述融合特征中的图像特征进行上采样，得到上采样特征；
将所述上采样特征与所述融合特征中的文本特征进行点乘操作，获取点乘特征；
基于所述点乘特征，获取所述区域信息。
本实施例的基于图像的信息提取装置700，通过采用上述模块实现信息提取的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图8是根据本公开第七实施例的示意图；如图8所示，本实施例提供一种基于图像的信息提取模型的训练装置800，包括：
获取模块801，用于获取训练图像样本，所述训练图像样本包括：训练图像、待提取信息的训练类别、和所述训练类别对应的信息在所述训练图像中的标签区域信息；
训练模块802，用于基于所述训练图像样本，对信息提取模型进行训练。
本实施例的信息提取模型的训练装置800，通过采用上述模块实现信息提取模型的训练的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
进一步可选地，在本公开的一个实施例中，训练模块802，用于：
对于通过将所述训练图像和所述训练类别输入所述信息提取模型，对所述训练图像进行信息提取，得到所述训练类别对应的预测区域信息；
基于所述预测区域信息和所述标签区域信息，构建损失函数；
若所述损失函数不收敛，调整所述信息提取模型的参数。
进一步可选地，在本公开的一个实施例中，训练模块802，用于：
通过将所述训练图像输入所述信息提取模型中的图像特征提取模块，对所述训练图像进行图像特征提取，得到训练图像特征；
通过将所述训练类别输入所述信息提取模型中的文本特征提取模块进行文本特征提取，得到训练文本特征；
通过将所述训练图像特征和所述训练文本特征输入所述信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到训练融合特征；
采用所述信息提取模型中的解码器，对所述训练融合特征进行解码，得到所述预测区域信息。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
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9示出了可以用来实施本公开的实施例的示例电子设备900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9所示，设备900包括计算单元901，其可以根据存储在只读存储器（ROM）902中的计算机程序或者从存储单元908加载到随机访问存储器（RAM）903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出（I/O）接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理，例如本公开的上述方法。例如，在一些实施例中，本公开的上述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908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行本公开的上述方法。
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）、复杂可编程逻辑设备（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。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本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 (16)

1.一种基于图像的信息提取方法，包括：
获取待提取的第一图像和待提取信息的类别；
通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息；
所述通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息，包括：
通过将所述第一图像和所述类别输入所述信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的区域信息；
通过将所述第一图像和所述类别输入所述信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的区域信息，包括：
通过将所述第一图像输入所述信息提取模型中的图像特征提取模块，对所述第一图像进行图像特征提取，得到图像特征；
通过将所述类别输入所述信息提取模型中的文本特征提取模块进行文本特征提取，得到文本特征；
通过将所述图像特征和所述文本特征输入所述信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到融合特征；
采用所述信息提取模型中的解码器，对所述融合特征进行解码，得到所述区域信息；
其中，采用所述信息提取模型中的解码器，对所述融合特征进行解码，得到所述区域信息，包括：
采用所述解码器，对所述融合特征中的图像特征进行上采样，得到上采样特征；其中上采样的倍数小于图像特征提取过程中下采样的倍数；
将所述上采样特征与所述融合特征中的文本特征进行点乘操作，获取点乘特征；
基于所述点乘特征，获取所述区域信息；
其中，所述点乘特征中各像素点的位置为一个概率值；若所述概率值大于或者等于预设概率阈值，确定对应像素点为所述类别对应的区域，进而确定所述类别对应的所述区域信息。
2.根据权利要求1所述的方法，其中，所述通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息，还包括：
基于所述区域信息，从所述第一图像中识别所述文字信息。
3.根据权利要求2所述的方法，其中，所述基于所述区域信息，从所述第一图像中识别所述文字信息，包括：
基于所述区域信息，从所述第一图像中截取所述类别对应的信息在所述第一图像中对应的第二图像；
基于所述第二图像，获取所述文字信息。
4.根据权利要求3所述的方法，其中，所述基于所述第二图像，获取所述文字信息，包括：
采用光学字符识别方法，对所述第二图像进行文字识别，得到所述文字信息。
5.根据权利要求1所述的方法，其中，所述通过将所述第一图像输入所述信息提取模型中的图像特征提取模块，对所述第一图像进行图像特征提取，得到图像特征，包括：
通过所述图像特征提取模块中的至少两层逐层进行的下采样方式，提取所述图像特征；
其中，所述图像特征的分辨率小于所述第一图像的分辨率。
6.一种基于图像的信息提取模型的训练方法，包括：
获取训练图像样本，所述训练图像样本包括：训练图像、待提取信息的训练类别、和所述训练类别对应的信息在所述训练图像中的标签区域信息；
基于所述训练图像样本，对信息提取模型进行训练；
基于所述训练图像样本，对信息提取模型进行训练，包括：
通过将所述训练图像和所述训练类别输入所述信息提取模型，对所述训练图像进行信息提取，得到所述训练类别对应的预测区域信息；
通过将所述训练图像和所述训练类别输入所述信息提取模型，对所述训练图像进行信息提取，得到所述训练类别对应的预测区域信息，包括：
通过将所述训练图像输入所述信息提取模型中的图像特征提取模块，对所述训练图像进行图像特征提取，得到训练图像特征；
通过将所述训练类别输入所述信息提取模型中的文本特征提取模块进行文本特征提取，得到训练文本特征；
通过将所述训练图像特征和所述训练文本特征输入所述信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到训练融合特征；
采用所述信息提取模型中的解码器，对所述训练融合特征进行解码，得到所述预测区域信息；
其中，采用所述信息提取模型中的解码器，对所述训练融合特征进行解码，得到所述预测区域信息，包括：
采用所述解码器，对所述训练融合特征中的图像特征进行上采样，得到上采样特征；其中上采样的倍数小于图像特征提取过程中下采样的倍数；
将所述上采样特征与所述融合特征中的文本特征进行点乘操作，获取点乘特征；
基于所述点乘特征，获取所述区域信息；
其中，所述点乘特征中各像素点的位置为一个概率值；若所述概率值大于或者等于预设概率阈值，确定对应像素点为所述训练类别对应的预测区域，进而确定所述训练类别对应的所述预测区域信息。
7.根据权利要求6所述的方法，其中，基于所述训练图像样本，对信息提取模型进行训练，还包括：
基于所述预测区域信息和所述标签区域信息，构建损失函数；
若所述损失函数不收敛，调整所述信息提取模型的参数。
8.一种基于图像的信息提取装置，包括：
获取模块，用于获取待提取的第一图像和待提取信息的类别；
提取模块，用于通过将所述第一图像和所述类别输入预先训练的信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的文字信息；
所述提取模块，包括：提取单元和识别单元；
所述提取单元，用于通过将所述第一图像和所述类别输入所述信息提取模型，对所述第一图像进行信息提取，得到所述类别对应的区域信息；
所述提取单元，用于：
通过将所述第一图像输入所述信息提取模型中的图像特征提取模块，对所述第一图像进行图像特征提取，得到图像特征；
通过将所述类别输入所述信息提取模型中的文本特征提取模块进行文本特征提取，得到文本特征；
通过将所述图像特征和所述文本特征输入所述信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到融合特征；
采用所述信息提取模型中的解码器，对所述融合特征进行解码，得到所述区域信息；
其中，采用所述信息提取模型中的解码器，对所述融合特征进行解码，得到所述区域信息，包括：
采用所述解码器，对所述融合特征中的图像特征进行上采样，得到上采样特征；其中上采样的倍数小于图像特征提取过程中下采样的倍数；
将所述上采样特征与所述融合特征中的文本特征进行点乘操作，获取点乘特征；
基于所述点乘特征，获取所述区域信息；
其中，所述点乘特征中各像素点的位置为一个概率值；若所述概率值大于或者等于预设概率阈值，确定对应像素点为所述类别对应的区域，进而确定所述类别对应的所述区域信息。
9.根据权利要求8所述的装置，其中，
所述识别单元，用于基于所述区域信息，从所述第一图像中识别所述文字信息。
10.根据权利要求9所述的装置，其中，所述识别单元，用于：
基于所述区域信息，从所述第一图像中截取所述类别对应的信息在所述第一图像中对应的第二图像；
基于所述第二图像，获取所述文字信息。
11.根据权利要求10所述的装置，其中，所述识别单元，用于：
采用光学字符识别方法，对所述第二图像进行文字识别，得到所述文字信息。
12.根据权利要求8所述的装置，其中，所述提取模块，用于：
通过所述图像特征提取模块中的至少两层逐层进行的下采样方式，提取所述图像特征；
其中，所述图像特征的分辨率小于所述第一图像的分辨率。
13.一种基于图像的信息提取模型的训练装置，包括：
获取模块，用于获取训练图像样本，所述训练图像样本包括：训练图像、待提取信息的训练类别、和所述训练类别对应的信息在所述训练图像中的标签区域信息；
训练模块，用于基于所述训练图像样本，对信息提取模型进行训练；
所述训练模块，用于：
通过将所述训练图像和所述训练类别输入所述信息提取模型，对所述训练图像进行信息提取，得到所述训练类别对应的预测区域信息；
所述训练模块，用于：
通过将所述训练图像输入所述信息提取模型中的图像特征提取模块，对所述训练图像进行图像特征提取，得到训练图像特征；
通过将所述训练类别输入所述信息提取模型中的文本特征提取模块进行文本特征提取，得到训练文本特征；
通过将所述训练图像特征和所述训练文本特征输入所述信息提取模型中的特征融合模块，并基于交叉注意力机制进行特征融合，得到训练融合特征；
采用所述信息提取模型中的解码器，对所述训练融合特征进行解码，得到所述预测区域信息；
所述训练模块，用于：
采用所述解码器，对所述训练融合特征中的图像特征进行上采样，得到上采样特征；其中上采样的倍数小于图像特征提取过程中下采样的倍数；
将所述上采样特征与所述融合特征中的文本特征进行点乘操作，获取点乘特征；
基于所述点乘特征，获取所述区域信息；
其中，所述点乘特征中各像素点的位置为一个概率值；若所述概率值大于或者等于预设概率阈值，确定对应像素点为所述训练类别对应的预测区域，进而确定所述训练类别对应的所述预测区域信息。
14.根据权利要求13所述的装置，其中，所述训练模块，还用于：
基于所述预测区域信息和所述标签区域信息，构建损失函数；
若所述损失函数不收敛，调整所述信息提取模型的参数。
15.一种电子设备，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1-5或者6-7中任一项所述的方法。
16.一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1-5或者6-7中任一项所述的方法。
CN202210838350.XA 2022-07-18 2022-07-18 基于图像的信息提取方法、模型训练方法、装置、设备及存储介质 Active CN115035351B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210838350.XA CN115035351B (zh) 2022-07-18 2022-07-18 基于图像的信息提取方法、模型训练方法、装置、设备及存储介质
US18/113,178 US20240021000A1 (en) 2022-07-18 2023-02-23 Image-based information extraction model, method, and apparatus, device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210838350.XA CN115035351B (zh) 2022-07-18 2022-07-18 基于图像的信息提取方法、模型训练方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115035351A CN115035351A (zh) 2022-09-09
CN115035351B true CN115035351B (zh) 2023-01-06

Family

ID=83129035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210838350.XA Active CN115035351B (zh) 2022-07-18 2022-07-18 基于图像的信息提取方法、模型训练方法、装置、设备及存储介质

Country Status (2)

Country Link
US (1) US20240021000A1 (zh)
CN (1) CN115035351B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116912871B (zh) * 2023-09-08 2024-02-23 上海蜜度信息技术有限公司 身份证信息抽取方法、系统、存储介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378833A (zh) * 2021-06-25 2021-09-10 北京百度网讯科技有限公司 图像识别模型训练方法、图像识别方法、装置及电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8644596B1 (en) * 2012-06-19 2014-02-04 Google Inc. Conversion of monoscopic visual content using image-depth database
CN110097049A (zh) * 2019-04-03 2019-08-06 中国科学院计算技术研究所 一种自然场景文本检测方法及系统
CN110111399B (zh) * 2019-04-24 2023-06-30 上海理工大学 一种基于视觉注意力的图像文本生成方法
CN112381057A (zh) * 2020-12-03 2021-02-19 上海芯翌智能科技有限公司 手写文字识别方法及装置、存储介质、终端
CN113205041B (zh) * 2021-04-29 2023-07-28 百度在线网络技术（北京）有限公司 结构化信息提取方法、装置、设备和存储介质
CN114724168A (zh) * 2022-05-10 2022-07-08 北京百度网讯科技有限公司 深度学习模型的训练方法、文本识别方法、装置和设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378833A (zh) * 2021-06-25 2021-09-10 北京百度网讯科技有限公司 图像识别模型训练方法、图像识别方法、装置及电子设备

Also Published As

Publication number Publication date
US20240021000A1 (en) 2024-01-18
CN115035351A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN114821622B (zh) 文本抽取方法、文本抽取模型训练方法、装置及设备
CN112949415B (zh) 图像处理方法、装置、设备和介质
CN113313022B (zh) 文字识别模型的训练方法和识别图像中文字的方法
CN113326764A (zh) 训练图像识别模型和图像识别的方法和装置
CN112966522A (zh) 一种图像分类方法、装置、电子设备及存储介质
CN108628830B (zh) 一种语义识别的方法和装置
CN113901907A (zh) 图文匹配模型训练方法、图文匹配方法及装置
CN114549874A (zh) 多目标图文匹配模型的训练方法、图文检索方法及装置
CN114242113B (zh) 语音检测方法、训练方法、装置和电子设备
CN113360699A (zh) 模型训练方法和装置、图像问答方法和装置
CN117114063A (zh) 用于训练生成式大语言模型和用于处理图像任务的方法
CN113657274A (zh) 表格生成方法、装置、电子设备、存储介质及产品
US20230114673A1 (en) Method for recognizing token, electronic device and storage medium
CN114863439B (zh) 信息提取方法、装置、电子设备和介质
CN111368551A (zh) 一种确定事件主体的方法和装置
CN114724133B (zh) 文字检测和模型训练方法、装置、设备及存储介质
CN115035351B (zh) 基于图像的信息提取方法、模型训练方法、装置、设备及存储介质
CN117593608A (zh) 图文识别大模型的训练方法、装置、设备以及存储介质
CN116662484A (zh) 一种文本正则化方法、装置、设备以及存储介质
CN114970470B (zh) 文案信息处理方法、装置、电子设备和计算机可读介质
CN115565186A (zh) 文字识别模型的训练方法、装置、电子设备和存储介质
CN114724144A (zh) 文本识别方法、模型的训练方法、装置、设备及介质
CN114187435A (zh) 文本识别方法、装置、设备以及存储介质
CN113947195A (zh) 模型确定方法、装置、电子设备和存储器
CN113971810A (zh) 文档生成方法、装置、平台、电子设备以及存储介质

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
GR01 Patent grant
GR01 Patent grant