CN117975478A - 图像识别方法、装置、设备及存储介质 - Google Patents
图像识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117975478A CN117975478A CN202410087606.7A CN202410087606A CN117975478A CN 117975478 A CN117975478 A CN 117975478A CN 202410087606 A CN202410087606 A CN 202410087606A CN 117975478 A CN117975478 A CN 117975478A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- text
- slice information
- recognition result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000003860 storage Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000012015 optical character recognition Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Character Input (AREA)
Abstract
本公开提供了一种图像识别方法、装置、设备及存储介质,可以应用于图像处理技术领域或金融科技领域。该方法包括:对待识别的产地证明图像进行光学字符识别,得到文本信息集;将文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果;在第一识别结果中,与实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据第一识别结果,从m个文字切片信息中筛选出p个文字切片信息;将p个文字切片信息以及p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;根据第一识别结果和第二识别结果,生成与待识别的产地证明图像相关联的图像识别结果。
Description
技术领域
本公开涉及图像处理技术领域或金融科技领域,尤其涉及一种图像识别方法、装置、设备、存储介质和程序产品。
背景技术
产地证明单据是一种证明货物产地的单据。例如向进口国证明出口国产品的来源地,进而有助于进口国确认货物品质和价格。多数国家将产地证明书作为口岸海关放行货物的必要单据之一,在国际货物运输和贸易途中能够起到重要作用。
在实现本公开发明构思的过程中,发明人发现相关技术中一般会存在以下问题:银行的单据审核人员在审核并识别产地证明单据时,一般会将产地证明单据转换为产地证明图像,并根据从产地证明图像中识别到的内容进行审核。然而随着业务种类以及业务数量的增多,产地证明单据的内容逐渐变得复杂且产地证明单据的数量也逐渐增多,相关技术对于产地证明图像的识别方法存在着识别效率低以及识别准确率低的问题。
发明内容
鉴于上述问题,本公开提供了一种图像识别方法、装置、设备、存储介质和程序产品。
本公开的一个方面提供了一种图像识别方法,包括:对待识别的产地证明图像进行光学字符识别,得到文本信息集,其中,上述文本信息集中包括m个文字切片信息以及上述文字切片信息的坐标信息,m为正整数;将上述文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果,其中,上述实体标签的模板内容是根据已识别的产地证明图像生成的;在上述第一识别结果中,与上述实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据上述第一识别结果,从m个上述文字切片信息中筛选出p个文字切片信息,其中,上述p个文字切片信息与上述实体标签的模板内容匹配失败,n和p均为正整数,p是m与n之间的差值;将上述p个文字切片信息以及上述p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;根据上述第一识别结果和上述第二识别结果,生成与上述待识别的产地证明图像相关联的图像识别结果。
根据本公开的实施例,上述文档识别模型包括第一文档识别子模型和第二文档识别子模型,对待识别的产地证明图像进行光学字符识别还得到上述待识别的产地证明图像的定位框信息;上述将上述p个文字切片信息以及上述p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果,包括:将上述p个文字切片信息以及上述p个文字切片信息的坐标信息输入到上述第一文档识别子模型中,输出第一文档识别结果;将上述第一文档识别结果和上述文字切片信息的图像特征信息输入到上述第二文档识别子模型中,输出第二文档识别结果,其中,上述文字切片信息的图像特征信息是基于上述定位框信息确定的;根据上述第一文档识别结果和上述第二文档识别结果,生成上述第二识别结果。
根据本公开的实施例,上述第二文档识别子模型包括第一全连接层和归一化层;上述将上述第一文档识别结果和上述文字切片信息的图像特征信息输入到上述第二文档识别子模型中,输出第二文档识别结果,包括:将上述第一文档识别结果和上述文字切片信息的图像特征信息输入到上述第一全连接层中,输出第一全连接层识别结果;将上述第一全连接层识别结果输入到上述归一化层中,输出上述第二文档识别结果。
根据本公开的实施例,上述将上述p个文字切片信息以及上述p个文字切片信息的坐标信息输入到上述第一文档识别子模型中,输出第一文档识别结果,包括:对上述p个文字切片信息的坐标信息进行处理,得到文字切片的位置特征向量;将上述p个文字切片信息的文本词向量和上述文字切片的位置特征向量,输入到上述第一文档识别子模型中,输出第一文档识别结果。
根据本公开的实施例,上述坐标信息包括第一坐标子向量和第二坐标子向量;上述对上述p个文字切片信息的坐标信息进行处理,得到文字切片的位置特征向量,包括:将上述第一坐标子向量和上述第二坐标子向量归一化为虚拟点;获取该虚拟点的位置特征向量;基于上述虚拟点的位置特征向量,生成上述文字切片的位置特征向量。
根据本公开的实施例,上述文档识别模型还包括特征识别子模型;上述文字切片信息的图像特征信息是基于上述定位框信息确定的,包括:将上述定位框信息作为上述特征识别子模型的候选框,获取上述文字切片信息的图像特征信息。
根据本公开的实施例,上述实体标签的模板内容是根据已识别的产地证明图像生成的,包括:从数据库中调用上述已识别的产地证明图像;从上述已识别的产地证明图像中提取实体标签,以及实体标签的内容信息和内容形式;利用正则表达式对上述实体标签的内容信息和内容形式进行处理,生成上述实体标签的模板内容。
根据本公开的实施例,上述待识别的产地证明图像配置有图像标识;上述根据上述第一识别结果和上述第二识别结果,生成与上述待识别的产地证明图像相关联的图像识别结果,包括:根据上述图像标识从数据库中调用图像识别结果模板,其中,上述图像识别结果模板中配置有识别结果区域标识;根据上述识别结果区域标识,将上述第一识别结果和上述第二识别结果拼接到上述图像识别结果模板中,生成上述图像识别结果。
本公开的另一方面还提供了一种图像识别装置,包括:识别模块,用于对待识别的产地证明图像进行光学字符识别,得到文本信息集,其中,上述文本信息集中包括m个文字切片信息以及上述文字切片信息的坐标信息,m为正整数;匹配模块,用于将上述文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果,其中,上述实体标签的模板内容是根据已识别的产地证明图像生成的;筛选模块,用于在上述第一识别结果中,与上述实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据上述第一识别结果,从m个上述文字切片信息中筛选出p个文字切片信息,其中,上述p个文字切片信息与上述实体标签的模板内容匹配失败,n和p均为正整数,p是m与n之间的差值;输入模块,用于将上述p个文字切片信息以及上述p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;以及生成模块,用于根据上述第一识别结果和上述第二识别结果,生成与上述待识别的产地证明图像相关联的图像识别结果。
本公开的另一方面还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,其中,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行根据上述的图像识别方法。
本公开的另一方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述的图像识别方法。
本公开的另一方面还提供了一种计算机程序产品,包括计算机程序,上述计算机程序被处理器执行时实现上述的图像识别方法。
根据本公开实施例提供的图像识别方法、装置、设备、存储介质和程序产品,通过对待识别的产地证明图像进行光学字符识别,得到文本信息集,将文本信息集中的文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果;将第一识别结果中匹配失败的文字切片信息和文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;根据第一识别结果和第二识别结果,生成待识别产地证明图像的图像识别结果。由于在识别产地证明图像的过程中,灵活的采用了基于实体标签的模板内容匹配识别与基于文档识别模型的模型识别相结合的方法,能够至少部分地克服相关技术中对图像识别存在识别效率低以及识别准确率低的问题,进而达到了提高图像识别效率以及图像识别准确率的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的图像识别方法和装置的应用场景系统架构图;
图2示意性示出了根据本公开实施例的图像识别方法的流程图;
图3示意性示出了根据本公开实施例的文档识别模型的架构图;
图4示意性示出了根据本公开另一实施例的图像识别方法的流程图;
图5示意性示出了根据本公开实施例的图像识别装置的结构框图;以及
图6示意性示出了根据本公开实施例的适于实现图像识别方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中,所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息,例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理,均遵守相关国家和地区的相关法律法规和标准,采取了必要保密措施,不违背公序良俗,并提供有相应的操作入口,供用户选择授权或者拒绝。
产地证明单据是一份合法证明,可以证明货物来源国,并能够用于税收、关税及其他贸易协议的合法操作。银行单据审核人员在审核产地证明单据,一般根据凭借学习经验和多年实际业务单据审核经验对产地证明单据的重要内容进行识别理解。但是,该方法耗费了大量人力成本,识别效率较低,而且培养一个审单人员的周期往往需要三年以上,总体上该方法不仅耗费了大量的人力,还降低了图像识别的效率和准确率。
有鉴于此,本公开的实施例提供了一种图像识别方法、装置、设备、存储介质和程序产品,用于提高图像识别的效率和准确率,并降低人工成本。具体地,该方法包括:对待识别的产地证明图像进行光学字符识别,得到文本信息集,其中,文本信息集中包括m个文字切片信息以及文字切片信息的坐标信息,m为正整数;将文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果,其中,实体标签的模板内容是根据已识别的产地证明图像生成的;在第一识别结果中,与实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据第一识别结果,从m个文字切片信息中筛选出p个文字切片信息,其中,p个文字切片信息与实体标签的模板内容匹配失败,n和p均为正整数,p是m与n之间的差值;将p个文字切片信息以及p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;根据第一识别结果和第二识别结果,生成与待识别的产地证明图像相关联的图像识别结果。
需要说明的是,本公开实施例确定的图像识别方法和装置可用于图像处理技术领域或金融科技领域,也可用于除图像处理技术领域或金融科技领域之外的任意领域,本公开实施例对确定的图像识别方法和装置的应用领域不做限定。
图1示意性示出了根据本公开实施例的图像识别方法和装置的系统架构图。
如图1所示,根据该实施例的系统架构100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备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。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互,以接收或发送消息等,例如发送待识别的产地证明图像,或接收待识别产地证明图像的图像识别结果。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用,例如图像识别类应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备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、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,例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所发送的待识别产地证明图像提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的待识别产地证明图像等数据进行分析等处理,并将处理结果(例如根据待识别产地证明图像获取或生成的图像识别结果、网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的图像识别方法一般可以由服务器105执行。相应地,本公开实施例所提供的图像识别装置一般可以设置于服务器105中。本公开实施例所提供的图像识别方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的图像识别装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
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。
以下将基于图1描述的系统架构,通过图2~图4对本公开实施例的图像识别方法进行详细描述。
图2示意性示出了根据本公开实施例的图像识别方法的流程图。
如图2所示,该实施例的图像识别方法包括操作S210~操作S250。
在操作S210,对待识别的产地证明图像进行光学字符识别,得到文本信息集。
根据本公开的实施例,为了识别待识别的产地证明图像包含的文本信息,可以通过电子设备对待识别的产地证明图像进行光学字符识别,获得包括m个文字切片信息以及文字切片信息的坐标信息的文本信息集,其中,m为正整数。可选地,多个文字切片信息还可以组成文字内容序列,这样就将产地证明图像都转换成了文字内容序列。
根据本公开的实施例,文字切片信息可以包括收货人、原产地、装运日期、单据名称和单据类型等相关信息。
根据本公开的实施例,文字切片信息的坐标信息可以用于表征对应的文字切片信息在产地证明图像中位置信息。
例如:文字切片信息的坐标信息可以表示为(3,2),其中,3为横坐标方向上第3行,2为纵坐标方向上第2列。
在操作S220,将文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果。
根据本公开的实施例,可以根据已识别的产地证明图像中的基本内容和审核要素以及实体标签的常见内容形式,生成一套完整的产地证明图像的模板内容,该模板内容中可以包括实体标签以及实体标签的属性解释。
例如,模板内容中的实体标签的内容与其对应的属性解释可以如下表1所示。
表1
可选地,基于表1中的每一个实体标签均可以得到一个文字切片信息。文字切片信息也可以表征实体标签的实体值,例如,文字切片信息可以为“订单日期=20XX年XX月XX日”。
在操作S230,在第一识别结果中,与实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据第一识别结果,从m个文字切片信息中筛选出p个文字切片信息。
根据本公开的实施例,能够与实体标签的模板匹配成功的文字切片信息可以为表达形式相对固定的文字切片信息,相反地,表达形式相对复杂多变的文本信息可能无法与实体标签的模板匹配成功。
例如:n个文字切片信息可以包括合同日期、合同编号、订单日期等表达形式相对固定的文字切片信息。
示例性地,能够与实体标签的模板内容匹配成功的文字切片信息所对应的实体标签可以如下表2所示。
表2
根据本公开的实施例,p个文字切片信息可以是与实体标签的模板内容均匹配失败的文字切片信息,n和p可以均为正整数,p是m与n之间的差值。
示例性地,这p个文字切片信息可以如表3所示。
表3
在操作S240,将p个文字切片信息以及p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果。
根据本公开的实施例,文档识别模型可以是用于识别文字切片信息中表达形式相对复杂多变的p个文字切片信息的识别模型,例如有预训练和微调任务的文档理解模型等。由于将p个文字切片信息以及这p个文字切片信息的坐标信息输入到文档识别模型中,所以得到的第二识别结果可以充分考虑到文字切片信息的位置关系以及上下文信息,提高了识别结果的准确率。
在操作S250,根据第一识别结果和第二识别结果,生成与待识别的产地证明图像相关联的图像识别结果。
示例性地,图像识别结果可以配置有图像识别结果模板,通过将第一识别结果和第二识别结果拼接到图像识别结果模板中,可以得到图像识别结果。
根据本公开实施例提供的图像识别方法、装置、设备、存储介质和程序产品,通过对待识别的产地证明图像进行光学字符识别,得到文本信息集,将文本信息集中的文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果;将第一识别结果中匹配失败的文字切片信息和文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;根据第一识别结果和第二识别结果,生成待识别产地证明图像的图像识别结果。由于在识别产地证明图像的过程中,灵活的采用了基于实体标签的模板内容匹配识别与基于文档识别模型的模型识别相结合的方法,能够至少部分地克服相关技术中对图像识别存在识别效率低以及识别准确率低的问题,进而达到了提高图像识别效率以及图像识别准确率的技术效果。
以下将对得到第一识别结果和第二识别结果的过程进行描述。
对于得到第一识别结果的过程,可以是在产地证明图像经过光学字符识别,得到文字切片信息后,利用正则表达式规则匹配的方式将文字切片信息与实体标签的模板内容进行标签实体识别。
可选的,得到实体标签的模板内容的过程可以包括如下操作:从数据库中调用已识别的产地证明图像;从已识别的产地证明图像中提取实体标签,以及实体标签的内容信息和内容形式;利用正则表达式对实体标签的内容信息和内容形式进行处理,生成实体标签的模板内容。
例如:从已识别的产地证明图像中提取实体标签,以及实体标签的内容信息和内容形式可以包括:提取PLACE OF DISCHARGE(卸货港)实体标签,实体标签的内容信息为ABC港,内容形式为印刷字体且不会因为OCR识别出现遮挡、模糊等问题。
根据本公开的实施例,可以利用正则表达式对提取到的实体标签的内容信息和内容形式进行处理,生成实体标签的模板。
根据本公开的实施例,对于已识别的产地证明图像可以存储到数据库中,以便后续根据已识别的产地证明图像生成实体标签的模板内容。
根据本公开的实施例,通过建立实体标签的模板内容,可以用于匹配内容形式单一简单的实体标签,从而对产地证明图像的部分内容进行快速识别,提高图像识别的效率。
对于得到第二识别结果的过程,可以包括如下操作:将p个文字切片信息以及p个文字切片信息的坐标信息输入到第一文档识别子模型中,输出第一文档识别结果;将第一文档识别结果和文字切片信息的图像特征信息输入到第二文档识别子模型中,输出第二文档识别结果,其中,文字切片信息的图像特征信息是基于定位框信息确定的;根据第一文档识别结果和第二文档识别结果,生成第二识别结果。
根据本公开的实施例,文档识别模型可以包括第一文档识别子模型和第二文档识别子模型。例如,在文档识别模型是基于文档图像理解的文本和布局训练模型(Pre-training of Text and Layout for Document Image Understanding,LayoutLM模型)的情况下,第一文档识别子模型可以是该模型中的预训练子模型部分,第二文档识别子模型可以是该模型中的微调子模型部分。第一文档识别子模型的输出结果可以作为第二文档识别子模型的输入。
例如,第一文档识别子模型可以是基于BERT(Bidirectional EncoderRepresentations fromTransformer,来自Transformer的双向编码器表示)的预训练子模型。该预训练模型能够对文字切片信息的上下文信息进行提取并捕捉文字切片信息间的位置关系。p个文字切片信息以及p个文字切片信息的坐标信息可以以特征向量的形式输入到第一文档识别子模型中,得到第一文档识别结果。第一文档识别结果可以作为第二文档识别子模型的输入。
例如,第二文档识别子模型可以是文档识别模型中用于执行下游微调任务的微调子模型。在训练该微调子模型时,可以先收集数千张不同的产地证明图像作为模型识别的样本,参照上述操作S210,利用光学字符识别技术将数千张样本转化为文字切片信息及文字切片信息对应的坐标信息。相关业务工作人员根据实体标签内容和审核经验,对每一个样本的文字切片信息进行的实体标签进行标记,作为第二文档识别子模型的微调任务训练集,在训练微调子模型前还可以利用bert base初始化模型的训练参数。
根据本公开的实施例,LayoutLM模型可以在一个文档框架中同时呈现文字切片信息和与文字切片信息对应的坐标信息。LayoutLM模型在BERT模型的基础上,嵌入2-D绝对位置信息和图像信息,分别捕获文字切片信息在文本信息集中的相对位置以及字体、文字方向、颜色等视觉信息。
根据本公开的实施例,对待识别的产地证明图像进行光学字符识别还得到待识别的产地证明图像的定位框信息,文字切片信息的图像特征信息可以是基于定位框信息确定的,后续可以利用特征向量的形式将文字切片信息的图像特征信息输入到第二文档识别子模型中。
根据本公开的实施例,基于文档图像理解的文本和布局训练模型构建文档识别模型,对模板匹配失败的p个文字切片信息进行模型识别,不仅能够提高图像的识别效率,还考虑到文字切片信息间的上下文关系及位置关系,提高了图像识别的准确率。
可选地,将p个文字切片信息以及p个文字切片信息的坐标信息输入到第一文档识别子模型中,输出第一文档识别结果的过程可以包括如下操作:对p个文字切片信息的坐标信息进行处理,得到文字切片的位置特征向量;将p个文字切片信息的文本词向量和文字切片的位置特征向量,输入到第一文档识别子模型中,输出第一文档识别结果。
可选的,坐标信息可以包括第一坐标子向量和第二坐标子向量。对p个文字切片信息的坐标信息进行处理,得到文字切片的位置特征向量的过程可以包括如下操作:将第一坐标子向量和第二坐标子向量归一化为虚拟坐标点;获取该虚拟坐标在预设方向上的位置特征向量;基于虚拟坐标的位置特征向量,生成文字切片的位置特征向量。
图3示意性示出了根据本公开实施例的文档识别模型的架构图。
如图3所示,待识别的产地证明图像301通过光学字符识别系统302进行识别,以识别出产地证明图像301中的文字切片信息和定位框信息bbox。基于文字切片信息获取textembedding(文本词向量)。将第一坐标子向量(基于bbox的左上点(x0,y0))和第二坐标子向量(基于bbox的右下点(x1,y1)),归一化为虚拟点。并获取该虚拟点的横坐标、纵坐标、宽带、高度的位置特征向量,并转换为最终的2d位置特征向量,即得到文字切片的位置特征向量,例如坐标x0对应的位置特征向量、坐标y0对应的位置特征向量、坐标x1对应的位置特征向量以及坐标y1对应的位置特征向量。
将坐标x0对应的位置特征向量、坐标y0对应的位置特征向量、坐标x1对应的位置特征向量、坐标y1对应的位置特征向量以及文本子向量输入到第一文档识别子模型303(例如预训练子模型)中,输出第一文档识别结果304。该第一文档识别结果例如是layouLM词向量。
可选地,在将第一文档识别结果输入到第二文档识别子模型306(例如微调子模型)之前可以先获取文字切片信息的图像特征信息305。文字切片信息的图像特征信息305可以是通过将定位框信息作为特征识别子模型的候选框,获取文字切片信息的图像特征信息得到的。
继续参照图3,文档识别模型还可以包括特征识别子模型307,该特征识别子模型例如是。定位框信息bbox可以作为Faster R-CNN(Faster Region-based ConvolutionalNeural Networks,更快的基于区域的卷积神经网络)的候选框(即ROI(Region ofIntersect,一张图的感兴趣区域)),获取每个文字切片的图像特征,并在经过第二全连接层308后,得到文字切片信息的图像特征信息305。
通过特征识别子模型获取文字切片信息的图像特征信息,可以作为LayoutLM模型中的下游微调部分的输入,进而提高图像识别准确率。
将第一文档识别结果304和获取到的文字切片信息的图像特征信息305输入到第二文档识别子模型306(例如微调子模型)中,可以输出第二识别结果309。
具体地,第二文档识别子模型可以包括第一全连接层和归一化层;将第一文档识别结果和文字切片信息的图像特征信息输入到第二文档识别子模型中,输出第二文档识别结果的过程可以包括如下操作:将第一文档识别结果和文字切片信息的图像特征信息输入到第一全连接层中,输出第一全连接层识别结果;将第一全连接层识别结果输入到归一化层中,输出第二文档识别结果。例如将第一文档识别结果304和获取到的文字切片信息的图像特征信息305这2种特征向量的相加结果输入到一个第一全连接层,再通过softmax(归一化)的形式得到实体预测的第二识别结果。
根据本公开的实施例,第一全连接层可以用于对第一文档识别结果和文字切片信息的图像特征信息进行分类,第一全连接层识别结果可以表征第一文档识别结果和文字切片信息的图像特征信息经过第一全连接层得到的分类结果。
根据本公开的实施例,归一化层可以用于对第一全连接层识别结果进行预测(例如以softmax的形式进行预测),得到第二文档识别结果。
根据本公开的实施例,将第一文档识别结果和文字切片信息的图像特征信息输入到第一全连接层中进行分类后输入归一化层中,使得文档识别模型可以更有效地结合文字切片信息以及文字切片信息对应的坐标信息和图像特征信息,提高图像识别准确率。
上文描述了得到第一识别结果和第二识别结果的过程,以下将对操作S250,根据第一识别结果和第二设备结果生成图像识别结果的过程进行描述。
具体地,待识别的产地证明图像可以配置有图像标识;操作S250可以包括如下操作:根据图像标识从数据库中调用图像识别结果模板,其中,图像识别结果模板中配置有识别结果区域标识;根据识别结果区域标识,将第一识别结果和第二识别结果拼接到图像识别结果模板中,生成图像识别结果。
根据本公开的实施例,图像标识可以包括产地证明的字段或符号等内容。数据库中也可以存储有预先配置的图像识别结果模板。在存储时可以根据产地证明的字段或符号等进行存储,以便后续根据待识别的产地证明图像上的产地证明的字段或符号直接调用相关联的图像识别结果模板。
根据本公开的实施例,图像识别结果模板可以包括与第一识别结果对应的区域标识,例如模板内容匹配的区域标识;图像识别结果模板中还可以包括与第二识别结果对应的区域标识,例如模型识别的区域标识。同一产地证明图像中不同的实体标签内容的识别结果可以是基于第一识别结果和第二识别结果结合得到的。
根据本公开的实施例,可以将第一识别结果与识别结果区域标识相匹配,并添加至图像识别结果模板中,相应地,可以将第二识别结果与识别结果区域标识相匹配,并添加至图像识别结果模板中,得到待识别产地证明图像的图像识别结果。
示例性的,待识别的产地证明图像中的各实体标签的识别情况可以如表4所示。
表4
/>
/>
根据本公开的实施例,产地证明图像的识别灵活结合了基于模板内容匹配和基于模型识别的方法,能够至少部分的降低人工成本,提高图像识别的效率和准确率。
图4示意性示出了根据本公开另一实施例的图像识别方法的流程图。
如图4所示,另一实施例的图像识别方法可以包括操作S410~操作S450。
在操作S410,获取待审核的产地证明图像。
在操作S420,对待审核的产地证明图像进行光学字符识别,得到文件内容切片、坐标信息以及文字切片信息。
在操作S430,利用正则表达式将文字切片信息与实体标签的模板内容进行匹配得到第一识别结果。
在操作S440,将第一识别结果中,匹配失败的文本信息和这些文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果。
在操作S450,根据第一识别结果和第二识别结果,生成待审核的产地证明图像的图像识别结果。
根据本公开的实施例,操作S410~操作S420可以参考操作S210,操作S430可以参考操作S220,操作S440可以参考操作S230~操作S240,操作S450可以参考操作S250,在此不再赘述。
根据本公开的实施例,通过在识别产地证明单据图像的过程中,采用了模板内容匹配与模型识别相结合的方式,而且在模型识别时采用layoutLM模型进行识别,无需在海量样本中标记数据,提供了图像识别的效率和准确率。
需要说明的是,本公开实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序,或者不同操作在技术实现上存在执行的先后顺序,否则,多个操作之间的执行顺序可以不分先后,多个操作也可以同时执行。
基于上述图像识别方法,本公开还提供了一种图像识别装置。以下将结合图5对该装置进行详细描述。
图5示意性示出了根据本公开实施例的图像识别装置的结构框图。
如图5所示,该实施例的图像识别装置500包括识别模块510、匹配模块520、筛选模块530、输入模块540和生成模块550。
识别模块510,用于对待识别的产地证明图像进行光学字符识别,得到文本信息集,其中,所述文本信息集中包括m个文字切片信息以及所述文字切片信息的坐标信息,m为正整数。
匹配模块520,用于将文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果,其中,实体标签的模板内容是根据已识别的产地证明图像生成的。
筛选模块530,用于在第一识别结果中,与实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据第一识别结果,从m个文字切片信息中筛选出p个文字切片信息,其中,p个文字切片信息与实体标签的模板内容匹配失败,n和p均为正整数,p是m与n之间的差值。
输入模块540,用于将p个文字切片信息以及p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果。
生成模块550,用于根据第一识别结果和第二识别结果,生成与待识别的产地证明图像相关联的图像识别结果。
根据本公开实施例提供的图像识别方法、装置、设备、存储介质和程序产品,通过对待识别的产地证明图像进行光学字符识别,得到文本信息集,将文本信息集中的文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果;将第一识别结果中匹配失败的文字切片信息和文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;根据第一识别结果和第二识别结果,生成待识别产地证明图像的图像识别结果。由于在识别产地证明图像的过程中,灵活的采用了基于实体标签的模板内容匹配识别与基于文档识别模型的模型识别相结合的方法,能够至少部分地克服相关技术中对图像识别存在识别效率低以及识别准确率低的问题,进而达到了提高图像识别效率以及图像识别准确率的技术效果。
根据本公开的实施例,输入模块可以包括第一输入子模块、第二输入子模块和生成子模块。
第一输入子模块,用于将p个文字切片信息以及p个文字切片信息的坐标信息输入到第一文档识别子模型中,输出第一文档识别结果。
第二输入子模块,用于将第一文档识别结果和文字切片信息的图像特征信息输入到第二文档识别子模型中,输出第二文档识别结果,其中,文字切片信息的图像特征信息是基于定位框信息确定的。
生成子模块,用于根据第一文档识别结果和第二文档识别结果,生成第二识别结果。
根据本公开的实施例,第二输入子模块可以包括第一输入单元和第二输入单元。
第一输入单元,用于将第一文档识别结果和文字切片信息的图像特征信息输入到第一全连接层中,输出第一全连接层识别结果。
第二输入单元,用于将第一全连接层识别结果输入到归一化层中,输出第二文档识别结果。
根据本公开的实施例,第一输入子模块可以包括处理单元和第三输入单元。
处理单元,用于对p个文字切片信息的坐标信息进行处理,得到文字切片的位置特征向量。
第三输入单元,用于将p个文字切片信息的文本词向量和文字切片的位置特征向量,输入到第一文档识别子模型中,输出第一文档识别结果。
根据本公开的实施例,处理单元包括归一化子单元、获取子单元和生成子单元。
归一化子单元,用于将第一坐标子向量和第二坐标子向量归一化为虚拟点。
获取子单元,用于获取该虚拟点的位置特征向量。
生成子单元,用于基于虚拟点的位置特征向量,生成文字切片的位置特征向量。
根据本公开的实施例,第二输入子模块还包括获取单元。
获取单元,用于将定位框信息作为特征识别子模型的候选框,获取文字切片信息的图像特征信息。
根据本公开的实施例,匹配模块包括第一调用子模块、提取子模块和生成子模块。
第一调用子模块,用于从数据库中调用已识别的产地证明图像。
提取子模块,用于从已识别的产地证明图像中提取实体标签,以及实体标签的内容信息和内容形式。
生成子模块,用于利用正则表达式对实体标签的内容信息和内容形式进行处理,生成实体标签的模板内容。
根据本公开的实施例,生成模块包括第二调用子模块和拼接子模块。
第二调用子模块,用于根据图像标识从数据库中调用图像识别结果模板,其中,图像识别结果模板中配置有识别结果区域标识。
拼接子模块,用于根据识别结果区域标识,将第一识别结果和第二识别结果拼接到图像识别结果模板中,生成图像识别结果。
根据本公开的实施例,识别模块510、匹配模块520、筛选模块530、输入模块540和生成模块550中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,识别模块510、匹配模块520、筛选模块530、输入模块540和生成模块550中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,识别模块510、匹配模块520、筛选模块530、输入模块540和生成模块550中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中图像识别装置部分与本公开的实施例中图像识别方法部分是相对应的,图像识别装置部分的描述具体参考图像识别方法部分,在此不再赘述。
图6示意性示出了根据本公开实施例的适于实现图像识别方法的电子设备的方框图。
如图6所示,根据本公开实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至输入/输出(I/O)接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至输入/输出(I/O)接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的图像识别方法。
在该计算机程序被处理器601执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种图像识别方法,包括:
对待识别的产地证明图像进行光学字符识别,得到文本信息集,其中,所述文本信息集中包括m个文字切片信息以及所述文字切片信息的坐标信息,m为正整数;
将所述文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果,其中,所述实体标签的模板内容是根据已识别的产地证明图像生成的;
在所述第一识别结果中,与所述实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据所述第一识别结果,从m个所述文字切片信息中筛选出p个文字切片信息,其中,所述p个文字切片信息与所述实体标签的模板内容匹配失败,n和p均为正整数,p是m与n之间的差值;
将所述p个文字切片信息以及所述p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;
根据所述第一识别结果和所述第二识别结果,生成与所述待识别的产地证明图像相关联的图像识别结果。
2.根据权利要求1所述的方法,其中,所述文档识别模型包括第一文档识别子模型和第二文档识别子模型,对待识别的产地证明图像进行光学字符识别还得到所述待识别的产地证明图像的定位框信息;
所述将所述p个文字切片信息以及所述p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果,包括:
将所述p个文字切片信息以及所述p个文字切片信息的坐标信息输入到所述第一文档识别子模型中,输出第一文档识别结果;
将所述第一文档识别结果和所述文字切片信息的图像特征信息输入到所述第二文档识别子模型中,输出第二文档识别结果,其中,所述文字切片信息的图像特征信息是基于所述定位框信息确定的;
根据所述第一文档识别结果和所述第二文档识别结果,生成所述第二识别结果。
3.根据权利要求2所述的方法,其中,所述第二文档识别子模型包括第一全连接层和归一化层;
所述将所述第一文档识别结果和所述文字切片信息的图像特征信息输入到所述第二文档识别子模型中,输出第二文档识别结果,包括:
将所述第一文档识别结果和所述文字切片信息的图像特征信息输入到所述第一全连接层中,输出第一全连接层识别结果;
将所述第一全连接层识别结果输入到所述归一化层中,输出所述第二文档识别结果。
4.根据权利要求2所述的方法,其中,所述将所述p个文字切片信息以及所述p个文字切片信息的坐标信息输入到所述第一文档识别子模型中,输出第一文档识别结果,包括:
对所述p个文字切片信息的坐标信息进行处理,得到文字切片的位置特征向量;
将所述p个文字切片信息的文本词向量和所述文字切片的位置特征向量,输入到所述第一文档识别子模型中,输出第一文档识别结果。
5.根据权利要求4所述的方法,其中,所述坐标信息包括第一坐标子向量和第二坐标子向量;
所述对所述p个文字切片信息的坐标信息进行处理,得到文字切片的位置特征向量,包括:
将所述第一坐标子向量和所述第二坐标子向量归一化为虚拟点;
获取该虚拟点的位置特征向量;
基于所述虚拟点的位置特征向量,生成所述文字切片的位置特征向量。
6.根据权利要求2所述的方法,其中,所述文档识别模型还包括特征识别子模型;
所述文字切片信息的图像特征信息是基于所述定位框信息确定的,包括:
将所述定位框信息作为所述特征识别子模型的候选框,获取所述文字切片信息的图像特征信息。
7.根据权利要求1所述的方法,其中,所述实体标签的模板内容是根据已识别的产地证明图像生成的,包括:
从数据库中调用所述已识别的产地证明图像;
从所述已识别的产地证明图像中提取实体标签,以及实体标签的内容信息和内容形式;
利用正则表达式对所述实体标签的内容信息和内容形式进行处理,生成所述实体标签的模板内容。
8.根据权利要求1所述的方法,其中,所述待识别的产地证明图像配置有图像标识;
所述根据所述第一识别结果和所述第二识别结果,生成与所述待识别的产地证明图像相关联的图像识别结果,包括:
根据所述图像标识从数据库中调用图像识别结果模板,其中,所述图像识别结果模板中配置有识别结果区域标识;
根据所述识别结果区域标识,将所述第一识别结果和所述第二识别结果拼接到所述图像识别结果模板中,生成所述图像识别结果。
9.一种图像识别装置,包括:
识别模块,用于对待识别的产地证明图像进行光学字符识别,得到文本信息集,其中,所述文本信息集中包括m个文字切片信息以及所述文字切片信息的坐标信息,m为正整数;
匹配模块,用于将所述文字切片信息与实体标签的模板内容进行匹配,得到第一识别结果,其中,所述实体标签的模板内容是根据已识别的产地证明图像生成的;
筛选模块,用于在所述第一识别结果中,与所述实体标签的模板内容能够匹配成功的文字切片信息的数目n小于m的情况下,根据所述第一识别结果,从m个所述文字切片信息中筛选出p个文字切片信息,其中,所述p个文字切片信息与所述实体标签的模板内容匹配失败,n和p均为正整数,p是m与n之间的差值;
输入模块,用于将所述p个文字切片信息以及所述p个文字切片信息的坐标信息输入到文档识别模型中,输出第二识别结果;以及
生成模块,用于根据所述第一识别结果和所述第二识别结果,生成与所述待识别的产地证明图像相关联的图像识别结果。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~8中任一项所述的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410087606.7A CN117975478A (zh) | 2024-01-22 | 2024-01-22 | 图像识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410087606.7A CN117975478A (zh) | 2024-01-22 | 2024-01-22 | 图像识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117975478A true CN117975478A (zh) | 2024-05-03 |
Family
ID=90847136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410087606.7A Pending CN117975478A (zh) | 2024-01-22 | 2024-01-22 | 图像识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117975478A (zh) |
-
2024
- 2024-01-22 CN CN202410087606.7A patent/CN117975478A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652232B (zh) | 票据识别方法及装置、电子设备和计算机可读存储介质 | |
US20190244046A1 (en) | System and method for classifying images of an evidence | |
CN113963147B (zh) | 一种基于语义分割的关键信息提取方法及系统 | |
CA3052248C (en) | Detecting orientation of textual documents on a live camera feed | |
CN113507419B (zh) | 流量分发模型的训练方法、流量分发方法及装置 | |
CN113239807B (zh) | 训练票据识别模型和票据识别的方法和装置 | |
CN113011349A (zh) | 一种票据的要素识别方法、装置及存储介质 | |
CN110766460A (zh) | 一种用户画像的方法、装置、存储介质及计算机设备 | |
US11436852B2 (en) | Document information extraction for computer manipulation | |
CN114140649A (zh) | 票据分类方法、票据分类装置、电子设备和存储介质 | |
CN114495146A (zh) | 图像文本检测方法、装置、计算机设备及存储介质 | |
CN113938481A (zh) | 回单处理方法、处理装置、电子设备及可读存储介质 | |
CN113360737A (zh) | 页面内容采集方法、装置、电子设备和可读介质 | |
CN113283984A (zh) | 一种个人贷款信息的录入方法及装置 | |
Rohaime et al. | Integrated Invoicing Solution: A Robotic Process Automation with AI and OCR Approach | |
US20220172301A1 (en) | System and method for clustering an electronic document that includes transaction evidence | |
CN117975478A (zh) | 图像识别方法、装置、设备及存储介质 | |
CN115796572A (zh) | 一种风险企业识别方法、装置、设备和介质 | |
CN111414889B (zh) | 基于文字识别的财务报表识别方法及装置 | |
CN113609018A (zh) | 测试方法、训练方法、装置、设备、介质和程序产品 | |
CN112149523A (zh) | 基于深度学习和并查集算法的ocr识别并抽取图片的方法、装置、电子设备及存储介质 | |
Mulyana et al. | Optimization of Text Mining Detection of Tajweed Reading Laws Using the Yolov8 Method on the Qur'an | |
KR102272023B1 (ko) | 수출입 선적 서류 심사 방법 및 이를 실행하는 서버 | |
Zheng et al. | Recognition of expiry data on food packages based on improved DBNet | |
CN112906726B (zh) | 模型训练方法、图像处理方法、装置、计算设备、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 |