CN117275023A - 一种表格解析方法、装置、设备及其存储介质 - Google Patents
一种表格解析方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN117275023A CN117275023A CN202311221480.XA CN202311221480A CN117275023A CN 117275023 A CN117275023 A CN 117275023A CN 202311221480 A CN202311221480 A CN 202311221480A CN 117275023 A CN117275023 A CN 117275023A
- Authority
- CN
- China
- Prior art keywords
- cell
- areas
- description
- target image
- table areas
- 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 78
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000003709 image segmentation Methods 0.000 claims description 35
- 230000011218 segmentation Effects 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010415 tidying Methods 0.000 description 1
Classifications
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- 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
-
- 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
- G06V30/19173—Classification techniques
Abstract
本申请实施例属于数字医疗技术领域,应用于医疗数字平台电子表格处理场景中,涉及一种表格解析方法、装置、设备及其存储介质,包括通过对所有表格区域分别进行单元格特征分析,获取所有表格区域内每个单元格的坐标特征和结构特征;根据所述坐标特征,识别所有表格区域内的文本内容以及识别文本内容分别所处的单元格;根据文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为表格解析结果。通过所述表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,便于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
Description
技术领域
本申请涉及数字医疗技术领域,应用于医疗数字平台电子表格处理场景中,尤其涉及一种表格解析方法、装置、设备及其存储介质。
背景技术
表格处理,被广泛的应用于数据处理领域,尤其是在数字医疗技术领域,往往会涉及到包含表格区域的医疗单据图像,例如:列举出医疗收费项的收费单据图像、列举出医疗供货凭证的进货凭证图像等,这些图像内都包含表格区域,且都属于数字医疗平台中数据表单。
目前的表格处理方式,主要包括三种,第一种方式为以整行区域、整列区域的维度获取表格结构,基于文本内容、行信息、列信息,生成表格图像对应的解析结果,但是该种方式无法处理跨行或者跨列的表格;第二种方式为基于图神经网络获取不同单元格之间的关系,包括同行关系、同列关系、同单元格、键值关系、层级关系和无关系等,该种方式大多为基于局部单元格关系,造成还原整体结构困难,后处理复杂、鲁棒性差等问题,第三种方式为HTML超文本表示,如平安产险TABLEMASTER及百度SLANet使用二三十种HTML标签对表格结构进行编码,这种方式导致标签种类过多,所需标注工作数据量过大的问题,上述现有方式都不利于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
发明内容
本申请实施例的目的在于提出一种表格解析方法、装置、设备及其存储介质,以解决现有技术中的表格解析方式,不利于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原的问题。
为了解决上述技术问题,本申请实施例提供表格解析方法,采用了如下所述的技术方案:
一种表格解析方法,包括下述步骤:
获取目标图像,其中,所述目标图像中包括表格区域;
根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域,并对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值;
采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征;
基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格;
根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果。
进一步的,所述根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域的步骤,具体包括:
以表格为目标分割实例,采用基于Mask R-CNN的图像分割模型,对所述目标图像进行实例轮廓分割处理,获取所述目标图像内所有表格的实例轮廓;
根据所述目标图像内所有表格的实例轮廓,获得所述目标图像内所有表格区域;
所述对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值的步骤,具体包括:
根据所述目标图像内所有表格的实例轮廓,筛选出所有未连接在一起的实例轮廓;
对所述所有未连接在一起的实例轮廓进行区别标记处理,作为所述所有表格区域的区别码值。
进一步的,所述预设的表格描述模型为双分支描述模型,包括单元格坐标特征描述分支和单元格结构特征描述分支,所述采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征的步骤,具体包括:
根据所述表格描述模型中的单元格坐标特征描述分支,获取所述所有表格区域内每个单元格的坐标特征;
根据所述表格描述模型中的单元格结构特征描述分支,获取所述所有表格区域内每个单元格的结构特征。
进一步的,所述根据所述表格描述模型中的单元格坐标特征描述分支,获取所述所有表格区域内每个单元格的坐标特征的步骤,具体包括:
从所述目标图像中任选一点作为坐标原点,并设定单位向量;
根据所述单元格坐标特征描述分支、所述坐标原点以及所述单位向量,计算出所述所有表格区域内每个单元格的顶点坐标值;
将所述顶点坐标值作为所述坐标特征。
进一步的,所述基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格的步骤,具体包括:
根据所述文本识别模型,识别所述所有表格区域内的文本内容;
通过所述坐标原点以及所述单位向量,确定所述文本内容的位置区域;
根据所述区别码值和所述位置区域,识别所述文本内容分别所处的表格区域;
根据所述所有表格区域内每个单元格的顶点坐标值和所述位置区域,识别所述文本内容分别所处的单元格。
进一步的,所述根据所述表格描述模型中的单元格结构特征描述分支,获取所述所有表格区域内每个单元格的结构特征的步骤,具体包括:
获取预先传入到所述表格描述模型中的结构特征描述码值,其中,所述结构特征描述码值包括第一类别描述码值、第二类别描述码值和第三类别描述码值,所述第一类别描述码值描述当前单元格是否为空白单元格,所述第二类描述码值描述当前单元格是否为合并后的单元格以及左右合并、上下合并情况,所述第三类别描述码值描述当前单元格是否为行尾单元格;
根据所述单元格结构特征描述分支和所述结构特征描述码值,识别出所述所有表格区域内每个单元格分别所包含的结构特征描述码值;
将每个单元格分别所包含的结构特征描述码值作为对应单元格的结构特征。
进一步的,所述根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果的步骤,具体包括:
根据所述所有表格区域内每个单元格的结构特征,获取所述所有表格区域内每个单元格分别所包含的结构特征描述码值;
根据所述文本内容分别所处的单元格,识别出所述所有表格区域内每个单元格中分别所包含的文本内容;
基于每个单元格分别所包含的结构特征描述码值,以及每个单元格中分别所包含的文本内容,生成每个单元格对应的四元组描述文本;
获取所述所有表格区域内每个单元格分别对应的四元组描述文本,整理生成所述所有表格区域的描述编码,作为所述目标图像中所有表格区域分别对应的表格解析结果;
在执行所述根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果的步骤之后,所述方法还包括:
根据所述描述编码和所述所有表格区域内每个单元格的坐标特征,还原生成所述目标图像中所有表格区域。
为了解决上述技术问题,本申请实施例还提供表格解析装置,采用了如下所述的技术方案:
一种表格解析装置,包括:
目标图像获取模块,用于获取目标图像,其中,所述目标图像中包括表格区域;
表格区域获取及标记模块,用于根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域,并对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值;
单元格特征分析模块,用于采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征;
文本内容信息识别模块,用于基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格;
表格解析结果生成模块,用于根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的表格解析方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的表格解析方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述表格解析方法,通过获取目标图像;根据预设的图像分割模型对目标图像进行图像分割处理,获得目标图像内所有表格区域,并对所有表格区域进行区别标记处理,获得所有表格区域的区别码值;采用预设的表格描述模型对所有表格区域分别进行单元格特征分析,获取所有表格区域内每个单元格的坐标特征,以及所有表格区域内每个单元格的结构特征;基于预设的文本识别模型、区别码值,以及所有表格区域内每个单元格的坐标特征,识别所有表格区域内的文本内容、识别文本内容分别所处的表格区域以及识别文本内容分别所处的单元格;根据文本内容分别所处的单元格和所有表格区域内每个单元格的结构特征,生成所有表格区域的描述编码作为目标图像中所有表格区域分别对应的表格解析结果。通过的表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,便于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的表格解析方法的一个实施例的流程图;
图3是图2所示步骤202的一个具体实施例的流程图;
图4是图2所示步骤203的一个具体实施例的流程图;
图5是图4所示步骤401的一个具体实施例的流程图;
图6是图4所示步骤402的一个具体实施例的流程图;
图7是图2所示步骤204的一个具体实施例的流程图;
图8是图2所示步骤205的一个具体实施例的流程图;
图9是根据本申请的表格解析装置的一个实施例的结构示意图;
图10是图9中所述表格区域获取及标记模块902的一个具体实施例的结构示意图;
图11是图9中所述单元格特征分析模块903的一个具体实施例的结构示意图;
图12是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
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,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的表格解析方法一般由服务器/终端设备执行,相应地,表格解析装置一般设置于服务器/终端设备中。
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,示出了根据本申请的表格解析方法的一个实施例的流程图。所述的表格解析方法,包括以下步骤:
步骤201,获取目标图像,其中,所述目标图像中包括表格区域。
本实施例中,所述目标图像指包含表格区域的医疗单据图像,例如:列举出医疗收费项的收费单据图像、列举出医疗供货凭证的进货凭证图像等。所述目标图像的共同点,在于图像内都包含表格区域,且都属于数字医疗平台中数据表单。
步骤202,根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域,并对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值。
继续参考图3,图3是图2所示步骤202的一个具体实施例的流程图,包括:
步骤301,以表格为目标分割实例,采用基于Mask R-CNN的图像分割模型,对所述目标图像进行实例轮廓分割处理,获取所述目标图像内所有表格的实例轮廓;
本实施例中,所述基于Mask R-CNN的图像分割模型是一种实例分割模型,由于本申请是对表格区域进行处理,因此,将表格作为实例,进行实例轮廓分割,获取所述目标图像内所有表格的实例轮廓即可完成图像分割处理,无需对每个像素进行标记,只需要找到感兴趣物体的边缘轮廓就行,这里基于Mask R-CNN的图像分割模型的“感兴趣物体”即所述表格实例。Mask R-CNN是基于Faster-RCNN的框架,在基础特征网络之后又加入了全连接的分割网络,由原来的分类任务和回归任务,变为了分类任务、回归任务和分割任务。
步骤302,根据所述目标图像内所有表格的实例轮廓,获得所述目标图像内所有表格区域;
步骤303,根据所述目标图像内所有表格的实例轮廓,筛选出所有未连接在一起的实例轮廓;
本实施例中,所述目标图像内所有表格的实例轮廓,由于表格中的单元格之间存在邻接关系,因此,获得的所有表格的实例轮廓会存在邻接,此时,应当将所有连接在一起的实例轮廓作为一个整体的表格区域,筛选出所有未连接在一起的实例轮廓,即获取到所述所有表格区域。
步骤304,对所述所有未连接在一起的实例轮廓进行区别标记处理,作为所述所有表格区域的区别码值。
对所述所有表格区域设置区别码值,其目的是为了根据所述区别码值识别出表格数据内容所处的具体表格区域。
步骤203,采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征。
本实施例中,所述预设的表格描述模型为双分支描述模型,包括单元格坐标特征描述分支和单元格结构特征描述分支。
继续参考图4,图4是图2所示步骤203的一个具体实施例的流程图,包括:
步骤401,根据所述表格描述模型中的单元格坐标特征描述分支,获取所述所有表格区域内每个单元格的坐标特征;
继续参考图5,图5是图4所示步骤401的一个具体实施例的流程图,包括:
步骤501,从所述目标图像中任选一点作为坐标原点,并设定单位向量;
步骤502,根据所述单元格坐标特征描述分支、所述坐标原点以及所述单位向量,计算出所述所有表格区域内每个单元格的顶点坐标值;
步骤503,将所述顶点坐标值作为所述坐标特征。
本实施例中,所述单元格坐标特征描述分支,采用了四个特征点和八个特征值描述单元格坐标特征,其主要目的是获取单元格的四个顶点坐标,以四个顶点坐标对应的坐标点作为特征点,并以每个特征点对应的坐标值作为所述特征值。
步骤402,根据所述表格描述模型中的单元格结构特征描述分支,获取所述所有表格区域内每个单元格的结构特征。
继续参考图6,图6是图4所示步骤402的一个具体实施例的流程图,包括:
步骤601,获取预先传入到所述表格描述模型中的结构特征描述码值;
其中,所述结构特征描述码值包括第一类别描述码值、第二类别描述码值和第三类别描述码值,所述第一类别描述码值描述当前单元格是否为空白单元格,所述第二类描述码值描述当前单元格是否为合并后的单元格以及左右合并、上下合并情况,所述第三类别描述码值描述当前单元格是否为行尾单元格;
本实施例中,预先设置了第一类别描述码值、第二类别描述码值和第三类别描述码值。
具体的,所述第一类别描述码值描述当前单元格是否为空白单元格,例如所述目标图像中存在的两个单元格,分别为单元格A和单元格B,而且单元格A内有文本内容,单元格B内无文本内容,即单元格A不是空白单元格,单元格B是空白单元格,假设所述第一类别描述码值包括第一描述码值“0”和第二描述码值“1”,第一描述码值“0”代表非空白单元格,第二描述码值“1”代表空白单元格,则单元格A对应第一描述码值“0”,单元格B对应第二描述码值“1”;
具体的,所述第二类别描述码值描述当前单元格是否为合并后的单元格以及左右合并、上下合并情况,例如所述目标图像中存在的三个单元格,分别为单元格A、单元格B和单元格C,而且单元格A不是合并后的单元格,单元格B和单元格C是合并后的单元格,区别在于单元格B是左右合并后的单元格,单元格C是上下合并后的单元格,假设所述第二类别描述码值包括第三描述码值“2”、第四描述码值“3”和第五描述码值“4”,第三描述码值“2”代表非合并后的单元格,第四描述码值“3”代表左右合并后的单元格,第五描述码值“4”代表上下合并后的单元格,则单元格A对应第三描述码值“2”,单元格B对应第四描述码值“3”,单元格C对应第五描述码值“4”;
同理,所述第三类别描述码值描述当前单元格是否为行尾单元格,例如所述目标图像中存在的两个单元格,分别为单元格A和单元格B,而且单元格A不是行尾单元格,单元格B是行尾单元格,假设所述第三类别描述码值包括第六描述码值“5”和第七描述码值“6”,第六描述码值“5”代表非行尾单元格,第七描述码值“6”代表行尾单元格,则单元格A对应第六描述码值“5”,单元格B对应第七描述码值“6”。
步骤602,根据所述单元格结构特征描述分支和所述结构特征描述码值,识别出所述所有表格区域内每个单元格分别所包含的结构特征描述码值;
继续以上述单元格A和单元格B为例,则所述单元格A所包含的结构特征描述码值有“0”、“2”和“5”,所述单元格B所包含的结构特征描述码值有“1”、“3”和“6”。
步骤603,将每个单元格分别所包含的结构特征描述码值作为对应单元格的结构特征。
通过所述单元格结构特征描述分支,获取所述所有表格区域内每个单元格的结构特征,便于识别出每个单元格是否为空白单元格,是否为合并后的单元格以及左右合并、上下合并情况,是否为行尾单元格,并根据识别结果进行表格区域还原。
步骤204,基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格。
继续参考图7,图7是图2所示步骤204的一个具体实施例的流程图,包括:
步骤701,根据所述文本识别模型,识别所述所有表格区域内的文本内容,其中,所述文本识别模型包括OCR文本识别模型;
步骤702,通过所述坐标原点以及所述单位向量,确定所述文本内容的位置区域;
步骤703,根据所述区别码值和所述位置区域,识别所述文本内容分别所处的表格区域;
步骤704,根据所述所有表格区域内每个单元格的顶点坐标值和所述位置区域,识别所述文本内容分别所处的单元格。
通过单元格的顶点坐标值和文本内容的位置区域,识别文本内容分别所处的单元格,便于后续进行文本内容还原,将文本内容还原到对应的单元格内。
步骤205,根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果。
继续参考图8,图8是图2所示步骤205的一个具体实施例的流程图,包括:
步骤801,根据所述所有表格区域内每个单元格的结构特征,获取所述所有表格区域内每个单元格分别所包含的结构特征描述码值;
步骤802,根据所述文本内容分别所处的单元格,识别出所述所有表格区域内每个单元格中分别所包含的文本内容;
步骤803,基于每个单元格分别所包含的结构特征描述码值,以及每个单元格中分别所包含的文本内容,生成每个单元格对应的四元组描述文本;
本实施例中,继续参考上述单元格A和单元格B,由上述可知,单元格A所包含的结构特征描述码值有“0”、“2”和“5”,即所述单元格A为非空白单元格、非合并后的单元格、非行尾单元格,由于所述单元格A为非空白单元格,获取单元格A所包含的文本内容,假设文本内容为“HPV检测试剂进货数量”,则单元格A对应的四元组描述文本为[“0”、“2”、“5”、“HPV检测试剂进货数量”],同理,单元格B所包含的结构特征描述码值有“1”、“3”和“6”,即所述单元格B为空白单元格、左右合并后的单元格、行尾单元格,由于所述单元格B为空白单元格,即单元格B未包含文本内容,则单元格B对应的四元组描述文本为[“1”、“3”、“6”、“NULL”]。
步骤804,获取所述所有表格区域内每个单元格分别对应的四元组描述文本,整理生成所述所有表格区域的描述编码,作为所述目标图像中所有表格区域分别对应的表格解析结果。
通过每个单元格分别所包含的结构特征描述码值,以及每个单元格中分别所包含的文本内容,生成每个单元格对应的四元组描述文本,根据每个单元格分别对应的四元组描述文本,整理生成所述所有表格区域的描述编码,便于根据所述四元组描述文本,还原生成所述目标图像中所有表格区域,其中,所述所有表格区域的描述编码,即由四元组描述文本构成的序列化数据内容。
本实施例中,在执行所述根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果的步骤之后,所述方法还包括:根据所述描述编码和所述所有表格区域内每个单元格的坐标特征,还原生成所述目标图像中所有表格区域。
通过所述的表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,并根据所述结构特征和文本内容生成四元组描述文本,便于结合所述四元组描述文本和所述坐标特征,还原生成所述数字医疗平台中数据表单以及辅助识别工具对所述数字医疗平台中数据表单内文本内容进行定位识别。
本申请通过获取目标图像;根据预设的图像分割模型对目标图像进行图像分割处理,获得目标图像内所有表格区域,并对所有表格区域进行区别标记处理,获得所有表格区域的区别码值;采用预设的表格描述模型对所有表格区域分别进行单元格特征分析,获取所有表格区域内每个单元格的坐标特征,以及所有表格区域内每个单元格的结构特征;基于预设的文本识别模型、区别码值,以及所有表格区域内每个单元格的坐标特征,识别所有表格区域内的文本内容、识别文本内容分别所处的表格区域以及识别文本内容分别所处的单元格;根据文本内容分别所处的单元格和所有表格区域内每个单元格的结构特征,生成所有表格区域的描述编码作为目标图像中所有表格区域分别对应的表格解析结果。通过的表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,便于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中,通过根据预设的图像分割模型对目标图像进行图像分割处理,获得目标图像内所有表格区域,并对所有表格区域进行区别标记处理,获得所有表格区域的区别码值;采用预设的表格描述模型对所有表格区域分别进行单元格特征分析,获取所有表格区域内每个单元格的坐标特征,以及所有表格区域内每个单元格的结构特征;基于预设的文本识别模型、区别码值,以及所有表格区域内每个单元格的坐标特征,识别所有表格区域内的文本内容、识别文本内容分别所处的表格区域以及识别文本内容分别所处的单元格;根据文本内容分别所处的单元格和所有表格区域内每个单元格的结构特征,生成所有表格区域的描述编码作为目标图像中所有表格区域分别对应的表格解析结果。通过的表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,便于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
进一步参考图9,作为对上述图2所示方法的实现,本申请提供了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9所示,本实施例所述的表格解析装置900包括:目标图像获取模块901、表格区域获取及标记模块902、单元格特征分析模块903、文本内容信息识别模块904和表格解析结果生成模块905。其中:
目标图像获取模块901,用于获取目标图像,其中,所述目标图像中包括表格区域;
表格区域获取及标记模块902,用于根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域,并对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值;
单元格特征分析模块903,用于采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征;
文本内容信息识别模块904,用于基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格;
表格解析结果生成模块905,用于根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果。
继续参考图10,图10是图9中所述表格区域获取及标记模块902的一个具体实施例的结构示意图。所述的表格区域获取及标记模块902包括表格区域获取子模块10a和表格区域标记子模块10b。其中:
表格区域获取子模块10a,用于以表格为目标分割实例,采用基于Mask R-CNN的图像分割模型,对所述目标图像进行实例轮廓分割处理,获取所述目标图像内所有表格的实例轮廓,还用于根据所述目标图像内所有表格的实例轮廓,获得所述目标图像内所有表格区域;
表格区域标记子模块10b,用于根据所述目标图像内所有表格的实例轮廓,筛选出所有未连接在一起的实例轮廓,还用于对所述所有未连接在一起的实例轮廓进行区别标记处理,作为所述所有表格区域的区别码值。
继续参考图11,图11是图9中所述单元格特征分析模块903的一个具体实施例的结构示意图。所述的单元格特征分析模块903包括单元格坐标特征分析子模块11a和单元格结构特征分析子模块11b。其中:
单元格坐标特征分析子模块11a,用于根据所述表格描述模型中的单元格坐标特征描述分支,获取所述所有表格区域内每个单元格的坐标特征,具体的,从所述目标图像中任选一点作为坐标原点,并设定单位向量;根据所述单元格坐标特征描述分支、所述坐标原点以及所述单位向量,计算出所述所有表格区域内每个单元格的顶点坐标值;将所述顶点坐标值作为所述坐标特征;
单元格结构特征分析子模块11b,用于根据所述表格描述模型中的单元格结构特征描述分支,获取所述所有表格区域内每个单元格的结构特征,具体的,获取预先传入到所述表格描述模型中的结构特征描述码值;根据所述单元格结构特征描述分支和所述结构特征描述码值,识别出所述所有表格区域内每个单元格分别所包含的结构特征描述码值;将每个单元格分别所包含的结构特征描述码值作为对应单元格的结构特征。
本申请通过获取目标图像;根据预设的图像分割模型对目标图像进行图像分割处理,获得目标图像内所有表格区域,并对所有表格区域进行区别标记处理,获得所有表格区域的区别码值;采用预设的表格描述模型对所有表格区域分别进行单元格特征分析,获取所有表格区域内每个单元格的坐标特征,以及所有表格区域内每个单元格的结构特征;基于预设的文本识别模型、区别码值,以及所有表格区域内每个单元格的坐标特征,识别所有表格区域内的文本内容、识别文本内容分别所处的表格区域以及识别文本内容分别所处的单元格;根据文本内容分别所处的单元格和所有表格区域内每个单元格的结构特征,生成所有表格区域的描述编码作为目标图像中所有表格区域分别对应的表格解析结果。通过的表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,便于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图12,图12为本实施例计算机设备基本结构框图。
所述计算机设备12包括通过系统总线相互通信连接存储器12a、处理器12b、网络接口12c。需要指出的是,图中仅示出了具有组件12a-12c的计算机设备12,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器12a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器12a可以是所述计算机设备12的内部存储单元,例如该计算机设备12的硬盘或内存。在另一些实施例中,所述存储器12a也可以是所述计算机设备12的外部存储设备,例如该计算机设备12上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器12a还可以既包括所述计算机设备12的内部存储单元也包括其外部存储设备。本实施例中,所述存储器12a通常用于存储安装于所述计算机设备12的操作系统和各类应用软件,例如一种表格解析方法的计算机可读指令等。此外,所述存储器12a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12b通常用于控制所述计算机设备12的总体操作。本实施例中,所述处理器12b用于运行所述存储器12a中存储的计算机可读指令或者处理数据,例如运行所述表格解析方法的计算机可读指令。
所述网络接口12c可包括无线网络接口或有线网络接口,该网络接口12c通常用于在所述计算机设备12与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于数字医疗技术领域,应用于医疗数字平台电子表格处理场景中。本申请通过获取目标图像;根据预设的图像分割模型对目标图像进行图像分割处理,获得目标图像内所有表格区域,并对所有表格区域进行区别标记处理,获得所有表格区域的区别码值;采用预设的表格描述模型对所有表格区域分别进行单元格特征分析,获取所有表格区域内每个单元格的坐标特征,以及所有表格区域内每个单元格的结构特征;基于预设的文本识别模型、区别码值,以及所有表格区域内每个单元格的坐标特征,识别所有表格区域内的文本内容、识别文本内容分别所处的表格区域以及识别文本内容分别所处的单元格;根据文本内容分别所处的单元格和所有表格区域内每个单元格的结构特征,生成所有表格区域的描述编码作为目标图像中所有表格区域分别对应的表格解析结果。通过的表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,便于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的表格解析方法的步骤。
本实施例提出的计算机可读存储介质,属于数字医疗技术领域,应用于医疗数字平台电子表格处理场景中。本申请通过获取目标图像;根据预设的图像分割模型对目标图像进行图像分割处理,获得目标图像内所有表格区域,并对所有表格区域进行区别标记处理,获得所有表格区域的区别码值;采用预设的表格描述模型对所有表格区域分别进行单元格特征分析,获取所有表格区域内每个单元格的坐标特征,以及所有表格区域内每个单元格的结构特征;基于预设的文本识别模型、区别码值,以及所有表格区域内每个单元格的坐标特征,识别所有表格区域内的文本内容、识别文本内容分别所处的表格区域以及识别文本内容分别所处的单元格;根据文本内容分别所处的单元格和所有表格区域内每个单元格的结构特征,生成所有表格区域的描述编码作为目标图像中所有表格区域分别对应的表格解析结果。通过的表格解析方法,解析出数字医疗平台中数据表单中所有表格区域中单元格的坐标特征和结构特征,以及单元格中的文本内容,便于辅助识别工具对数字医疗平台中数据表单内文本内容进行定位识别和数据还原。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种表格解析方法,其特征在于,包括下述步骤:
获取目标图像,其中,所述目标图像中包括表格区域;
根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域,并对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值;
采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征;
基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格;
根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果。
2.根据权利要求1所述的表格解析方法,其特征在于,所述根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域的步骤,具体包括:
以表格为目标分割实例,采用基于Mask R-CNN的图像分割模型,对所述目标图像进行实例轮廓分割处理,获取所述目标图像内所有表格的实例轮廓;
根据所述目标图像内所有表格的实例轮廓,获得所述目标图像内所有表格区域;
所述对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值的步骤,具体包括:
根据所述目标图像内所有表格的实例轮廓,筛选出所有未连接在一起的实例轮廓;
对所述所有未连接在一起的实例轮廓进行区别标记处理,作为所述所有表格区域的区别码值。
3.根据权利要求1所述的表格解析方法,其特征在于,所述预设的表格描述模型为双分支描述模型,包括单元格坐标特征描述分支和单元格结构特征描述分支,所述采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征的步骤,具体包括:
根据所述表格描述模型中的单元格坐标特征描述分支,获取所述所有表格区域内每个单元格的坐标特征;
根据所述表格描述模型中的单元格结构特征描述分支,获取所述所有表格区域内每个单元格的结构特征。
4.根据权利要求3所述的表格解析方法,其特征在于,所述根据所述表格描述模型中的单元格坐标特征描述分支,获取所述所有表格区域内每个单元格的坐标特征的步骤,具体包括:
从所述目标图像中任选一点作为坐标原点,并设定单位向量;
根据所述单元格坐标特征描述分支、所述坐标原点以及所述单位向量,计算出所述所有表格区域内每个单元格的顶点坐标值;
将所述顶点坐标值作为所述坐标特征。
5.根据权利要求4所述的表格解析方法,其特征在于,所述基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格的步骤,具体包括:
根据所述文本识别模型,识别所述所有表格区域内的文本内容;
通过所述坐标原点以及所述单位向量,确定所述文本内容的位置区域;
根据所述区别码值和所述位置区域,识别所述文本内容分别所处的表格区域;
根据所述所有表格区域内每个单元格的顶点坐标值和所述位置区域,识别所述文本内容分别所处的单元格。
6.根据权利要求3所述的表格解析方法,其特征在于,所述根据所述表格描述模型中的单元格结构特征描述分支,获取所述所有表格区域内每个单元格的结构特征的步骤,具体包括:
获取预先传入到所述表格描述模型中的结构特征描述码值,其中,所述结构特征描述码值包括第一类别描述码值、第二类别描述码值和第三类别描述码值,所述第一类别描述码值描述当前单元格是否为空白单元格,所述第二类描述码值描述当前单元格是否为合并后的单元格以及左右合并、上下合并情况,所述第三类别描述码值描述当前单元格是否为行尾单元格;
根据所述单元格结构特征描述分支和所述结构特征描述码值,识别出所述所有表格区域内每个单元格分别所包含的结构特征描述码值;
将每个单元格分别所包含的结构特征描述码值作为对应单元格的结构特征。
7.根据权利要求6所述的表格解析方法,其特征在于,所述根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果的步骤,具体包括:
根据所述所有表格区域内每个单元格的结构特征,获取所述所有表格区域内每个单元格分别所包含的结构特征描述码值;
根据所述文本内容分别所处的单元格,识别出所述所有表格区域内每个单元格中分别所包含的文本内容;
基于每个单元格分别所包含的结构特征描述码值,以及每个单元格中分别所包含的文本内容,生成每个单元格对应的四元组描述文本;
获取所述所有表格区域内每个单元格分别对应的四元组描述文本,整理生成所述所有表格区域的描述编码,作为所述目标图像中所有表格区域分别对应的表格解析结果;
在执行所述根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果的步骤之后,所述方法还包括:
根据所述描述编码和所述所有表格区域内每个单元格的坐标特征,还原生成所述目标图像中所有表格区域。
8.一种表格解析装置,其特征在于,包括:
目标图像获取模块,用于获取目标图像,其中,所述目标图像中包括表格区域;
表格区域获取及标记模块,用于根据预设的图像分割模型对所述目标图像进行图像分割处理,获得所述目标图像内所有表格区域,并对所述所有表格区域进行区别标记处理,获得所有表格区域的区别码值;
单元格特征分析模块,用于采用预设的表格描述模型对所述所有表格区域分别进行单元格特征分析,获取所述所有表格区域内每个单元格的坐标特征和结构特征;
文本内容信息识别模块,用于基于预设的文本识别模型、所述区别码值,以及所述坐标特征,识别所述所有表格区域内的文本内容、识别所述文本内容分别所处的表格区域以及识别所述文本内容分别所处的单元格;
表格解析结果生成模块,用于根据所述文本内容分别所处的单元格和所述结构特征,生成所有表格区域的描述编码作为所述目标图像中所有表格区域分别对应的表格解析结果。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的表格解析方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的表格解析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311221480.XA CN117275023A (zh) | 2023-09-20 | 2023-09-20 | 一种表格解析方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311221480.XA CN117275023A (zh) | 2023-09-20 | 2023-09-20 | 一种表格解析方法、装置、设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117275023A true CN117275023A (zh) | 2023-12-22 |
Family
ID=89202056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311221480.XA Pending CN117275023A (zh) | 2023-09-20 | 2023-09-20 | 一种表格解析方法、装置、设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117275023A (zh) |
-
2023
- 2023-09-20 CN CN202311221480.XA patent/CN117275023A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112380870A (zh) | 用户意图分析方法、装置、电子设备及计算机存储介质 | |
CN114241499A (zh) | 表格图片识别方法、装置、设备和可读存储介质 | |
CN113673519A (zh) | 基于文字检测模型的文字识别方法及其相关设备 | |
CN112418206B (zh) | 基于位置检测模型的图片分类方法及其相关设备 | |
CN112396048B (zh) | 图片信息提取方法、装置、计算机设备及存储介质 | |
CN112801099A (zh) | 一种图像处理方法、装置、终端设备及介质 | |
CN116934283A (zh) | 一种员工权限配置方法、装置、设备及其存储介质 | |
CN116774973A (zh) | 数据渲染方法、装置、计算机设备及存储介质 | |
CN112395450B (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
CN117275023A (zh) | 一种表格解析方法、装置、设备及其存储介质 | |
CN113902671A (zh) | 一种基于随机纹理的图像隐写方法和系统 | |
CN116628128B (zh) | 一种供应链数据标准化方法、装置、设备及其存储介质 | |
CN117409430A (zh) | 一种医疗票据信息提取方法、装置、设备及其存储介质 | |
CN117234769A (zh) | 一种页面白屏事件处理方法、装置、设备及其存储介质 | |
CN116704528A (zh) | 票据识别核验方法、装置、计算机设备及存储介质 | |
CN118012935A (zh) | 一种数据提取与稽核方法、装置、计算机设备及存储介质 | |
CN116680198A (zh) | 一种接口返回数据异常检测方法及其相关设备 | |
CN117493563A (zh) | 一种会话意图分析方法、装置、设备及其存储介质 | |
CN116225416A (zh) | 网页代码创建方法、装置、设备及存储介质 | |
CN117932082A (zh) | 一种文本内容指代消解方法、装置、设备及其存储介质 | |
CN117850842A (zh) | 一种插件更新方法、装置、设备及其存储介质 | |
CN116434245A (zh) | 一种多模态单证分类方法、系统、计算机设备及存储介质 | |
CN115033486A (zh) | 测试案例报错的处理方法及其相关设备 | |
CN115756571A (zh) | 代码数据的处理方法、装置、计算机设备及存储介质 | |
CN117671681A (zh) | 一种图片标注方法、装置、终端及存储介质 |
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 |