CN116152819A - 文本关系检测、模型的训练方法、装置、设备及介质 - Google Patents

Abstract

本公开提供了一种文本关系检测、模型的训练方法、装置、设备及介质，涉及人工智能领域，具体涉及深度学习和图像处理领域等。具体实现方案为：对文本图像进行特征提取，得到文本特征；根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。本公开实施例可以提高文本关系检测准确性。

Description

文本关系检测、模型的训练方法、装置、设备及介质

技术领域

本公开涉及人工智能领域，具体涉及深度学习和图像处理领域，尤其涉及一种文本关系检测、模型的训练方法、装置、设备及介质。

背景技术

目前采用结构化文档表示信息，可以清晰展示用户的信息。

获取这些结构化信息有助于了解用户的基本状况，并进行针对性的分析和处理，同时可以建立完善的数据库和用户画像。

发明内容

本公开提供了一种文本关系检测、模型的训练方法、装置、设备及介质。

根据本公开的一方面，提供了一种文本关系检测方法，包括：

对文本图像进行特征提取，得到文本特征；

根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；

采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

根据本公开的另一方面，提供了一种文本关系检测模型的训练方法，包括：

获取训练样本，所述训练样本包括样本图像和所述样本图像包括的标准文本区域之间的标准结构关系；

通过初始模型中特征提取层，对所述样本图像进行特征提取，得到样本特征；

通过所述初始模型中分类层，根据所述样本特征对所述样本图像进行分类，得到所述样本图像的文本结构关系类别；

通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层，采用与所述样本图像的文本结构关系类别对应的检测方式，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系；

根据所述样本图像中多个文本区域之间的结构关系，和所述标准文本区域之间的标准结构关系之间的差异，对所述初始模型进行训练，得到文本关系检测模型。

根据本公开的一方面，提供了一种文本关系检测装置，包括：

特征提取模块，用于对文本图像进行特征提取，得到文本特征；

图像分类模块，用于根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；

结构关系检测模块，用于采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

根据本公开的一方面，提供了一种文本关系检测模块的训练装置，包括：

训练样本获取模块，用于获取训练样本，所述训练样本包括样本图像和所述样本图像包括的标准文本区域之间的标准结构关系；

初始模型中特征提取层，用于对所述样本图像进行特征提取，得到样本特征；

所述初始模型中分类层，用于根据所述样本特征对所述样本图像进行分类，得到所述样本图像的文本结构关系类别；

所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层，用于采用与所述样本图像的文本结构关系类别对应的检测方式，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系；

模型训练模块，用于根据所述样本图像中多个文本区域之间的结构关系，和所述标准文本区域之间的标准结构关系之间的差异，对所述初始模型进行训练，得到文本关系检测模型。

根据本公开的另一方面，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本公开任一实施例所述的文本关系检测方法或文本关系检测模型的训练方法。

根据本公开的另一方面，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，所述计算机指令用于使所述计算机执行本公开任一实施例所述的文本关系检测方法或文本关系检测模型的训练方法。

根据本公开的另一方面，提供了一种计算机程序对象，包括计算机程序，所述计算机程序在被处理器执行时实现本公开任一实施例所述的文本关系检测方法或文本关系检测模型的训练方法。

本公开实施例可以提高文本关系检测准确性。

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是根据本公开实施例公开的一种文本关系检测方法的流程图；

图2是根据本公开实施例公开的另一种文本关系检测方法的流程图；

图3是根据本公开实施例公开的另一种文本关系检测方法的流程图；

图4是根据本公开实施例公开的一种文本关系检测模型训练方法的流程图；

图5是根据本公开实施例公开的一种文本关系检测方法的场景图；

图6是根据本公开实施例公开的一种文本关系检测装置的结构示意图；

图7是根据本公开实施例公开的一种文本关系检测模型训练装置的结构示意图；

图8是用来实现本公开实施例的文本关系检测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是根据本公开实施例公开的一种文本关系检测方法的流程图，本实施例可以适用于识别图像中文本之间的结构关系的情况。本实施例方法可以由文本关系检测装置来执行，该装置可采用软件和/或硬件的方式实现，并具体配置于具有一定数据运算能力的电子设备中，该电子设备可以是客户端设备或服务器设备，客户端设备例如手机、平板电脑、车载终端和台式电脑等。

S101、对文本图像进行特征提取，得到文本特征。

文本图像包括的文本之间具有结构关系。文本特征用于识别文本区域之间的结构关系。文本特征可以包括文本图像中文本之间的位置关系和/或语义关系等。可以通过卷积方式对文本图像进行处理，得到文本特征。可选的，文本特征可以是三维特征图。示例性的，文本图像可以是财务文档的图像、医疗文档的图像或交通文档的图像等。文本的内容和样式不进行限定，可以是中文还可以是英文，可以是宋体，还可以是手写体，对此可以根据需要进行设定。

S102、根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别。

文本之间具有的结构关系可以分为不同的文本结构关系类别。不同文本结构关系类别对应的检测方式不同。示例性的，文本图像的文本结构关系类别可以是键值对(key-value)的关系，还可以是表格关系。

S103、采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

文本区域为包括文本的区域，不同文本区域之间的文本存在一定距离。并且不同文本区域中文本的含义不同。文本区域之间的结构关系是指不同文本区域包括的文本之间存在的二维表结构的关系。

示例性的，如下表1：

表1

姓名	年龄
		AA	BB

其中，如表1所示的文本中，姓名和AA之间存在结构关系，年龄和BB之间存在结构关系，除此之外的任两个文本之间不存在结构关系。

根据本公开的技术方案，通过对文本图像进行分类，并根据分类结果采用相适应的检测方式，对文本图像中文本区域之间的结构关系进行检测，可以实现更为准确的结构化信息抽取。

图2是根据本公开实施例公开的另一种文本关系检测方法的流程图，基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。所述结构关系，具体化为：至少一个方向上的结构关系。

S201、对文本图像进行特征提取，得到文本特征。

S202、根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别。

S203、采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系；所述结构关系，包括：至少一个方向上的结构关系。

实际上，在文本图像中，各文本在文本图像中的位置决定着文本之间的结构关系。各文本之间的相对位置可以采用不同的方向表示。相应的，结构关系可以采用不同方向进行区分。

相应的，文本结构关系类别，可以根据可识别的结构关系的方向的数量和是否固定来确定。示例性的，针对表格文档，不同单元格中文本之间均存在两个方向上的结构关系，例如，行方向和列方向。又如，针对普通的文档，不同文本对之间存在的结构关系的方向不固定，又或者可以称为是存在的结构关系为键值关系，此时，确定文本之间存在的结构关系为非固定向结构关系。示例性的，文本结构关系类别可以包括固定方向关系类别或非固定方向关系类别；其中，固定方向关系类别可以细分方向的数量。例如，表格文档中存在的结构为行方向和列方向这两个方向，相应的，在表格文档中，不同单元格中文本之间均存在两个方向上的结构关系，即方向的数量为两个。

可选的，所述文本结构关系类别包括非固定方向关系类别；所述采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：采用与所述非固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在结构关系的概率。

文本结构关系类别包括非固定方向关系类别，不同的存在结构关系的文本对之间的结构关系的方向可以相同也可以不同。示例性的，第一个文本对之间存在水平方向上的结构关系，第二个文本对之间存在垂直方向上的结构关系，第三个文本对之间存在水平方向上的结构关系。非固定方向的关系类别实际表明两个文本之间是否存在结构关系，不限定该结构关系的方向。

非固定方向关系类别对应的检测方式用于检测文本图像中的文本区域之间是否存在任意方向上的结构关系，也即用于检测文本图像中的文本区域之间是否存在结构关系。检测方式得到的结果为：各文本区域与该些文本区域之间的是否存在结构关系的概率。其中包括文本区域A与文本区域B之间是否存在结构关系的概率。示例性的，概率越大表明存在结构关系的可能性越高，在概率大于等于阈值时，确定文本区域A与文本区域B之间存在结构关系；在概率小于阈值时，确定文本区域A与文本区域B之间不存在结构关系。其中，该检测方式无法确定存在哪个方向上的结构关系。非固定方向关系类别可以适配key-value的结构关系的检测应用场景。

通过将文本结构关系类别具体为非固定方向关系类别，可以针对非固定方向的结构关系的应用场景的结构关系检测，提高非固定方向的结构关系的检测准确性。

可选的，所述文本结构关系类别包括固定方向关系类别，所述结构关系包括行方向上结构关系和列方向上结构关系；所述采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：采用与所述固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在行方向上结构关系的概率，以及所述文本图像中每个文本区域与各所述文本区域之间是否存在列方向上结构关系的概率。

文本结构关系类别包括固定方向关系类别，不同的存在结构关系的文本对之间的结构关系的方向的范围为行方向和列方向。示例性的，存在结构关系的文本对中，第一个文本对之间存在行方向上结构关系或列方向上结构关系，第二个文本对之间存在行方向上结构关系或列方向上结构关系。

非固定方向关系类别对应的检测方式用于检测文本图像中的文本区域之间是否存在行方向上的结构关系，以及是否存在列方向上的结构关系。检测方式得到的结果为：各文本区域与该些文本区域之间的是否存在行方向上的概率和是否存在列方向上结构关系的概率。其中包括文本区域A与文本区域B之间是否存在行方向上的概率和是否存在列方向上结构关系的概率。示例性的，概率越大表明存在结构关系的可能性越高，在行方向上的概率大于等于阈值时，确定文本区域A与文本区域B之间存在行方向上的结构关系；在行方向上概率小于阈值时，确定文本区域A与文本区域B之间不存在行方向上结构关系；在列方向上的概率大于等于阈值时，确定文本区域A与文本区域B之间存在列方向上的结构关系；在列方向上概率小于阈值时，确定文本区域A与文本区域B之间不存在列方向上结构关系。固定方向关系类别，且结构关系包括行方向上结构关系和列方向上结构关系可以适配表格文档的结构关系的检测应用场景。

通过将文本结构关系类别具体为固定方向关系类别，可以针对固定方向的结构关系的应用场景的结构关系检测，提高固定方向的结构关系的检测准确性。

此外，针对固定方向关系类别，结构关系可以包括除了行方向和列方向之外的方向上的结构关系，例如，对角线的斜线方向上的结构关系；又如，还可以包括深度(或页)方向上的结构关系。可以根据需要进行设定给，对此不具体限定。

可选的，所述采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到多个备选区域之间的结构关系；对所述文本特征进行文本检测，得到备选区域在所述文本图像中的位置和置信度；根据各所述备选区域在所述文本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。

在对文本区域的结构关系的识别之前，还需要对文本区域进行检测。文本检测用于检测文本所在位置。对文本特征进行文本检测，在文本图像中识别可能包括文本的备选区域的位置。置信度用于确定备选区域包括文本的概率。文本图像中识别得到的备选区域可能识别错误，即该备选区域不存在文本。备选区域在文本图像中的位置可以采用二维坐标表示。

通常置信度越大，备选区域包括文本的概率越大。将置信度大于等于置信度阈值的备选区域，确定为文本区域。在检测得到的多个备选区域之间的结构关系中，查询存在结构关系的两个文本区域，最终得到多个文本区域之间的结构关系。

通过在文本图像中识别备选区域的位置和置信度，以及备选区域之间的结构关系，筛选出包括文本的文本区域之间的结构关系，可以同时实现文本检测，并且提高文本区域的检测准确性，在检测得到文本区域的基础上，检测文本区域的结构信息，提高文本结构信息提取准确性。

可选的，所述文本关系检测方法，还包括：根据各所述备选区域在所述文本图像中的位置和置信度，在所述文本图像中，获取各所述文本区域的位置处的区域图像；对所述区域图像进行文本识别，得到所述区域图像对应的文本内容；根据所述文本图像中多个文本区域之间的结构关系，和所述区域图像对应的文本内容，生成所述文本图像对应的结构化文本。

根据各备选区域的置信度，优先筛选出文本区域的位置。根据已经检测到的备选区域的位置中，确定筛选得到的文本区域的位置，根据文本区域的位置，在文本图像中确定位置对应的区域图像。区域图像为包括文本的图像数据，对文本区域对应的区域图像进行文本识别，得到区域图像中文本内容。文本识别用于检测文本的内容。将文本内容结合文本的结构关系，生成结构化文本。

通过根据文本区域在文本图像中位置处的区域图像，并进行文本识别，得到文本区域包括的文本的内容，结合文本区域的结构关系，可以生成该文本区域对应的结构化文本，实现图像中结构化文本提取，提高结构化文本提取准确性。

根据本公开的技术方案，将结构关系细化为至少一个方向上的结构关系，可以增加可识别的文本图像的类型，适配更多的文本结构关系的应用场景，提高结构关系识别准确性。

图3是根据本公开实施例公开的另一种文本关系检测方法的流程图，基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。采用文本关系检测模型实现文本关系检测方法。

S301、通过文本关系检测模型中特征提取层，对文本图像进行特征提取，得到文本特征.

S302、通过所述文本关系检测模型中分类层，根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别。

S303、通过所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的检测层，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

可选的，通过所述文本关系检测模型中文本检测层，对所述文本特征进行文本检测，得到备选区域在所述文本图像中的位置和置信度。

通过所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的卷积层，对所述文本特征进行文本关系检测，得到多个备选区域之间的结构关系。

通过所述文本关系检测模型的筛选层，根据各所述备选区域在所述文本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。或者，文本关系检测模型，直接输出多个备选区域的结构关系，由用户或者额外的模块实现，根据各所述备选区域在所述文本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。

其中，卷积层可以分为第一卷积层和第二卷积层。

可选的，所述文本结构关系类别包括非固定方向关系类别；所述通过所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的检测层，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：通过所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的第一卷积层，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在结构关系的概率。

可选的，所述文本结构关系类别包括固定方向关系类别，所述结构关系包括行方向上结构关系和列方向上结构关系；所述通过所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的检测层，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：通过所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的第二卷积层，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在行方向上结构关系的概率，以及所述文本图像中每个文本区域与各所述文本区域之间是否存在列方向上结构关系的概率。

根据本公开的技术方案，通过文本关系检测模型识别文本区域的结构关系，可以解析图像文字结构化解析，有效提高了图像文字结构化解析的准确性和实用性，以及提高图像结构化提取的效率。

图4是根据本公开实施例公开的一种文本关系检测模型的训练方法的流程图，本实施例可以适用于训练文本关系检测模型的情况。本实施例方法可以由文本关系检测装置来执行，该装置可采用软件和/或硬件的方式实现，并具体配置于具有一定数据运算能力的电子设备中，该电子设备可以是客户端设备或服务器设备，客户端设备例如手机、平板电脑、车载终端和台式电脑等。

S401、获取训练样本，所述训练样本包括样本图像和所述样本图像包括的标准文本区域之间的标准结构关系。

可以获取大量的训练样本对文本关系检测模型进行训练。样本图像用于输入到待训练的模型中，得到模型输出的结果。标准结构关系为样本图像中文本之间的正确的结构关系。

S402、通过初始模型中特征提取层，对所述样本图像进行特征提取，得到样本特征。

S403、通过所述初始模型中分类层，根据所述样本特征根据所述样本特征对所述样本图像进行分类，得到所述样本图像的文本结构关系类别。

S404、通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层，采用与所述样本图像的文本结构关系类别对应的检测方式，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系。S405、根据所述样本图像中多个文本区域之间的结构关系，和所述标准文本区域之间的标准结构关系之间的差异，对所述初始模型进行训练，得到文本关系检测模型。

根据差异训练初始模型，得到文本关系检测模型。可以根据差异构造损失函数。

可选的，通过所述初始模型中文本检测层，对所述样本特征进行文本检测，得到备选区域在所述样本图像中的位置和置信度。

通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的卷积层，对所述样本特征进行文本关系检测，得到多个备选区域之间的结构关系。

通过所述初始模型的筛选层，根据各所述备选区域在所述样本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。或者，初始模型，直接输出多个备选区域的结构关系，由用户或者额外的模块实现，根据各所述备选区域在所述样本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。

其中，卷积层可以分为第一卷积层和第二卷积层。

可选的，所述文本结构关系类别包括非固定方向关系类别；所述通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系，包括：通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的第一卷积层，对所述样本特征进行文本关系检测，得到所述样本图像中每个文本区域与各所述文本区域之间是否存在结构关系的概率。

可选的，所述文本结构关系类别包括固定方向关系类别，所述结构关系包括行方向上结构关系和列方向上结构关系；所述通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系，包括：通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的第二卷积层，对所述样本特征进行文本关系检测，得到所述样本图像中每个文本区域与各所述文本区域之间是否存在行方向上结构关系的概率，以及所述样本图像中每个文本区域与各所述文本区域之间是否存在列方向上结构关系的概率。

训练样本还包括样本图像的标准文本区域的标准位置。

综上，可以根据初始模型识别的文本区域之间的结构关系和标准结构关系之间的差值、初始模型识别的文本区域和标准文本区域之间的差值、以及初始模型识别的文本区域的位置和标准文本区域的标准位置之间的差值，将上述差值累加值或者上述差值加权和确定为损失函数，以使得损失函数最小或收敛，确定初始模型训练完成。

根据本公开的技术方案，通过文本关系检测模型识别文本区域的结构关系，可以解析图像文字结构化解析，有效提高了图像文字结构化解析的准确性和实用性，以及提高图像结构化提取的效率。

图5是根据本公开的技术方案提供的一种文本关系检测方法的流程图。如图5所示，该文本关系检测方法的输入为单张图片，支持key-value结构化形式的医疗文档的图像的结构化文本识别。

具体的：获取待检测的图像，采用给定均值和方差对原始图片进行归一化，将像素值约束到0～1之间，得到文本图像。将文本图像，输入到文本关系检测模型中的特征提取层，其中，特征提取层为卷积神经网络。特征提取层输出文本图像的文本特征，即三维特征图。

将三维特征图输入到文本关系检测模型中分类层，得到文本结构关系类别。在分类层中将三维特征图进行全局归一化，并拉平转化为一维特征向量，将一维特征向量输入到全连接层，并通过softmax归一化得到文本图像的分类结果，即文本结构关系类别文本结构关系类别。

将三维特征图输入到文本关系检测模型中文本检测层，得到备选区域的位置和置信度。其中，文本检测层为卷积层。具体的，备选区域为矩形形状，可以采用矩形的四个角点确定该备选区域的位置。备选区域的位置采用n*m矩阵表示，n*m为备选区域的数量；矩阵中每个元素表示1*8的向量，向量代表该元素所对应到备选区域中的位置信息，具体是4个角点，每个角点包括文本图像的坐标系下的x和y两个值，从而形成1*8向量。置信度同样采用n*m矩阵表示，矩阵中每个元素表示该元素是不是文本的分类的置信度。

针对普通文档的图像，根据分类结果，确定文本结构关系类别包括非固定方向关系类别，将三维特征图输入到文本关系检测模型中文本结构关系类别对应的第一卷积层，对三维特征图进行文本关系检测，得到文本图像中每个备选区域与各备选区域之间是否存在结构关系的概率。输出结果采用n*m矩阵表示，矩阵每个元素表示一个1*(m*n)的向量，也即当前元素对应的备选区域与其他任意一个备选区域之间的关系；例如，第一行第一列的元素，代表第一行第一列对应的元素(姓名)与1*(m*n)的向量中第二个位置对应的元素(张三)之间是否存在结构关系的概率，概率大于0.5表明第一行第一列对应的元素与1*(m*n)的向量中第二个位置对应的元素之间存在结构关系。

针对表格文档的图像，根据分类结果，确定文本结构关系类别包括固定方向关系类别，文本结构关系类别包括固定方向关系类别，并且结构关系包括行方向上结构关系和列方向上结构关系，将三维特征图输入到文本关系检测模型中文本结构关系类别对应的第二卷积层，对三维特征图进行文本关系检测，得到文本图像中每个备选区域与各备选区域之间是否存在行方向上结构关系的概率，以及得到文本图像中每个备选区域与各备选区域之间是否存在列方向上结构关系的概率。输出结果包括两个，一个是行方向上的结构关系，另一个是列方向上的结构关系。每个方向上的结构关系，均可以采用n*m矩阵表示，矩阵每个元素表示一个1*(m*n)的向量，也即当前元素对应的备选区域与其他任意一个备选区域之间的关系；例如，第一行第一列的元素，代表第一行第一列对应的元素(姓名)与1*(m*n)的向量中第二个位置对应的元素(张三)之间是否存在行(或列)结构关系的概率，概率大于0.5表明第一行第一列对应的元素与1*(m*n)的向量中第二个位置对应的元素之间存在行(或列)结构关系。

实际上，输出的结构关系为备选区域之间的结构关系，再结合备选区域的文本检测置信度，筛选出文本区域，并确定文本之间的结构关系。针对普通文档的图像，得到普通文档的文本关系预测结果，表示任意两个文本区域的结构关系。针对表格文档的图像，得到两组文本关系预测结果，其中一组表示任意两个文本区域水平方向(行方向)的结构关系，另外一组表示任意两个文本区域垂直方向(列方向)的结构关系。获取普通文档和表格文档的结构化解析结果。根据结构化解析结果，可以生成结构化文本存入数据库，或者对结构化文本进行审核。

如图5所示，结构关系通过连接关系表示。

根据本公开的技术方案，可以针对医疗文档进行结构化解析的方案，创新性地利用全卷积网络同时实现文本的检测和结构化信息提取过程，该方案可以进行更为准确的结构化信息抽取。基于全卷积网络的结构化信息提取方法，一方面学习文本区域的位置，另一方面对任意两个文本区域之间的连接关系进行水平和垂直两个方向上的建模，最终可以实现表格结构化信息的提取，是一种可以泛化的图像文字结构化解析方案，有效提高了图像文字结构化解析的准确性和实用性。

根据本公开的实施例，图6是本公开实施例中的文本关系检测装置的结构图，本公开实施例适用于识别图像中文本之间的结构关系的情况。该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。

如图6所示的一种文本关系检测装置600，包括：特征提取模块601、图像分类模块602和结构关系检测模块603。其中，

特征提取模块601，用于对文本图像进行特征提取，得到文本特征；

图像分类模块602，用于根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；

结构关系检测模块603，用于采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

根据本公开的技术方案，通过对文本图像进行分类，并根据分类结果采用相适应的检测方式，对文本图像中文本区域之间的结构关系进行检测，可以实现更为准确的结构化信息抽取。

进一步的，所述结构关系，包括：至少一个方向上的结构关系。

进一步的，所述文本结构关系类别包括非固定方向关系类别；所述结构关系检测模块603，包括：单向关系检测单元，用于采用与所述非固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在结构关系的概率。

进一步的，所述文本结构关系类别包括固定方向关系类别，所述结构关系包括行方向上结构关系和列方向上结构关系；所述结构关系检测模块603，包括：表格关系检测单元，用于采用与所述固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在行方向上结构关系的概率，以及所述文本图像中每个文本区域与各所述文本区域之间是否存在列方向上结构关系的概率。

进一步的，所述结构关系检测模块603，包括：备选区域结构检测单元，用于采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到多个备选区域之间的结构关系；文本识别单元，用于对所述文本特征进行文本检测，得到备选区域在所述文本图像中的位置和置信度；文本区域筛选单元，用于根据各所述备选区域在所述文本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。

进一步的，所述文本关系检测装置，还包括：区域图像获取模块，用于根据各所述备选区域在所述文本图像中的位置和置信度，在所述文本图像中，获取各所述文本区域的位置处的区域图像；文本识别模块，用于对所述区域图像进行文本识别，得到所述区域图像对应的文本内容；结构化文本生成模块，用于根据所述文本图像中多个文本区域之间的结构关系，和所述区域图像对应的文本内容，生成所述文本图像对应的结构化文本。

进一步的，所述特征提取模块601，包括：文本关系检测模型中特征提取层，用于对文本图像进行特征提取，得到文本特征；所述图像分类模块602，包括：所述文本关系检测模型中分类层，用于根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；所述结构关系检测模块603，包括：所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的检测层，用于对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

上述文本关系检测装置可执行本公开任意实施例所提供的文本关系检测方法，具备执行文本关系检测方法相应的功能模块和有益效果。

根据本公开的实施例，图7是本公开实施例中的文本关系检测模型的训练装置的结构图，本公开实施例适用于训练文本关系检测模型的情况。该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。

如图7所示的一种文本关系检测模型的训练装置700，包括：训练样本获取模块701、初始模型中特征提取层702、所述初始模型中分类层703、所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层704和模型训练模块705。其中，

训练样本获取模块701，用于获取训练样本，所述训练样本包括样本图像和所述样本图像包括的标准文本区域之间的标准结构关系；

初始模型中特征提取层702，用于对所述样本图像进行特征提取，得到样本特征；

所述初始模型中分类层703，用于根据所述样本特征对所述样本图像进行分类，得到所述样本图像的文本结构关系类别；

所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层704，用于采用与所述样本图像的文本结构关系类别对应的检测方式，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系；

模型训练模块705，用于根据所述样本图像中多个文本区域之间的结构关系，和所述标准文本区域之间的标准结构关系之间的差异，对所述初始模型进行训练，得到文本关系检测模型。

根据本公开的技术方案，通过文本关系检测模型识别文本区域的结构关系，可以解析图像文字结构化解析，有效提高了图像文字结构化解析的准确性和实用性，以及提高图像结构化提取的效率。

上述文本关系检测模型的训练方法装置可执行本公开任意实施例所提供的文本关系检测模型的训练方法，具备执行文本关系检测模型的训练方法相应的功能模块和有益效果。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，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对象。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性区域图。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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如文本关系检测方法或文本关系检测模型的训练方法。例如，在一些实施例中，文本关系检测方法或文本关系检测模型的训练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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的文本关系检测方法或文本关系检测模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文本关系检测方法或文本关系检测模型的训练方法。

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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准对象(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/或区域图中所规定的功能/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)区块链网络和互联网。

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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。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。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。

云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

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提供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 (19)

1.一种文本关系检测方法，包括：

对文本图像进行特征提取，得到文本特征；

根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；

采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

2.根据权利要求1所述的方法，其中，所述结构关系，包括：至少一个方向上的结构关系。

3.根据权利要求2所述的方法，其中，所述文本结构关系类别包括非固定方向关系类别；

所述采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：

采用与所述非固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在结构关系的概率。

4.根据权利要求2所述的方法，其中，所述文本结构关系类别包括固定方向关系类别，所述结构关系包括行方向上结构关系和列方向上结构关系；

所述采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：

采用与所述固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在行方向上结构关系的概率，以及所述文本图像中每个文本区域与各所述文本区域之间是否存在列方向上结构关系的概率。

5.根据权利要求1所述的方法，其中，所述采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：

采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到多个备选区域之间的结构关系；

对所述文本特征进行文本检测，得到备选区域在所述文本图像中的位置和置信度；

根据各所述备选区域在所述文本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。

6.根据权利要求5所述的方法，还包括：

根据各所述备选区域在所述文本图像中的位置和置信度，在所述文本图像中，获取各所述文本区域的位置处的区域图像；

对所述区域图像进行文本识别，得到所述区域图像对应的文本内容；

根据所述文本图像中多个文本区域之间的结构关系，和所述区域图像对应的文本内容，生成所述文本图像对应的结构化文本。

7.根据权利要求1所述的方法，其中，所述对文本图像进行特征提取，得到文本特征，包括：

通过文本关系检测模型中特征提取层，对文本图像进行特征提取，得到文本特征；

所述根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别，包括：

通过所述文本关系检测模型中分类层，根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；

所述采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系，包括：

通过所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的检测层，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

8.一种文本关系检测模型的训练方法，包括：

获取训练样本，所述训练样本包括样本图像和所述样本图像包括的标准文本区域之间的标准结构关系；

通过初始模型中特征提取层，对所述样本图像进行特征提取，得到样本特征；

通过所述初始模型中分类层，根据所述样本特征根据所述样本特征对所述样本图像进行分类，得到所述样本图像的文本结构关系类别；

通过所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层，采用与所述样本图像的文本结构关系类别对应的检测方式，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系；

根据所述样本图像中多个文本区域之间的结构关系，和所述标准文本区域之间的标准结构关系之间的差异，对所述初始模型进行训练，得到文本关系检测模型。

9.一种文本关系检测装置，包括：

特征提取模块，用于对文本图像进行特征提取，得到文本特征；

图像分类模块，用于根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；

结构关系检测模块，用于采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

10.根据权利要求9所述的装置，其中，所述结构关系，包括：至少一个方向上的结构关系。

11.根据权利要求10所述的装置，其中，所述文本结构关系类别包括非固定方向关系类别；

所述结构关系检测模块，包括：

单向关系检测单元，用于采用与所述非固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在结构关系的概率。

12.根据权利要求10所述的装置，其中，所述文本结构关系类别包括固定方向关系类别，所述结构关系包括行方向上结构关系和列方向上结构关系；

所述结构关系检测模块，包括：

表格关系检测单元，用于采用与所述固定方向关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到所述文本图像中每个文本区域与各所述文本区域之间是否存在行方向上结构关系的概率，以及所述文本图像中每个文本区域与各所述文本区域之间是否存在列方向上结构关系的概率。

13.根据权利要求9所述的装置，其中，所述结构关系检测模块，包括：

备选区域结构检测单元，用于采用与所述文本图像的文本结构关系类别对应的检测方式，对所述文本特征进行文本关系检测，得到多个备选区域之间的结构关系；

文本识别单元，用于对所述文本特征进行文本检测，得到备选区域在所述文本图像中的位置和置信度；

文本区域筛选单元，用于根据各所述备选区域在所述文本图像中的位置和置信度，在多个备选区域之间的结构关系中，筛选出多个文本区域之间的结构关系。

14.根据权利要求12所述的装置，还包括：

区域图像获取模块，用于根据各所述备选区域在所述文本图像中的位置和置信度，在所述文本图像中，获取各所述文本区域的位置处的区域图像；

文本识别模块，用于对所述区域图像进行文本识别，得到所述区域图像对应的文本内容；

结构化文本生成模块，用于根据所述文本图像中多个文本区域之间的结构关系，和所述区域图像对应的文本内容，生成所述文本图像对应的结构化文本。

15.根据权利要求9所述的装置，其中，所述特征提取模块，包括：

文本关系检测模型中特征提取层，用于对文本图像进行特征提取，得到文本特征；

所述图像分类模块，包括：

所述文本关系检测模型中分类层，用于根据所述文本特征对所述文本图像进行分类，得到所述文本图像的文本结构关系类别；

所述结构关系检测模块，包括：

所述文本关系检测模型中采用与所述文本图像的文本结构关系类别对应的检测层，用于对所述文本特征进行文本关系检测，得到所述文本图像中多个文本区域之间的结构关系。

16.一种文本关系检测模型的训练装置，包括：

训练样本获取模块，用于获取训练样本，所述训练样本包括样本图像和所述样本图像包括的标准文本区域之间的标准结构关系；

初始模型中特征提取层，用于对所述样本图像进行特征提取，得到样本特征；

所述初始模型中分类层，用于根据所述样本特征对所述样本图像进行分类，得到所述样本图像的文本结构关系类别；

所述初始模型中采用与所述样本图像的文本结构关系类别对应的检测层，用于采用与所述样本图像的文本结构关系类别对应的检测方式，对所述样本特征进行文本关系检测，得到所述样本图像中多个文本区域之间的结构关系；

模型训练模块，用于根据所述样本图像中多个文本区域之间的结构关系，和所述标准文本区域之间的标准结构关系之间的差异，对所述初始模型进行训练，得到文本关系检测模型。

17.一种电子设备，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1-7中任一项所述的文本关系检测方法，或权利要求8中任一项所述的文本关系检测模型的训练方法。

18.一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1-7中任一项所述的文本关系检测方法，或权利要求8中任一项所述的文本关系检测模型的训练方法。

19.一种计算机程序对象，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1-7中任一项所述的文本关系检测方法，或权利要求8中任一项所述的文本关系检测模型的训练方法。

Images