JP7230081B2 - 帳票画像認識方法および装置、電子機器、記憶媒体並びにコンピュータプログラム - Google Patents
帳票画像認識方法および装置、電子機器、記憶媒体並びにコンピュータプログラム Download PDFInfo
- Publication number
- JP7230081B2 JP7230081B2 JP2021032799A JP2021032799A JP7230081B2 JP 7230081 B2 JP7230081 B2 JP 7230081B2 JP 2021032799 A JP2021032799 A JP 2021032799A JP 2021032799 A JP2021032799 A JP 2021032799A JP 7230081 B2 JP7230081 B2 JP 7230081B2
- Authority
- JP
- Japan
- Prior art keywords
- text box
- text
- type
- relationship
- probability
- 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
Links
Images
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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- 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
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
- G06V30/18019—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections by matching or filtering
- G06V30/18038—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters
- G06V30/18048—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters with interaction between the responses of different filters, e.g. cortical complex cells
- G06V30/18057—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- 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
-
- 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
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms 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
- G06V30/40—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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- 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
- G06V30/16—Image preprocessing
- G06V30/1607—Correcting image deformation, e.g. trapezoidal deformation caused by perspective
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Description
dij=pi-pj (1)
rij=rot(pi,pj) (2)
uij=Euclidean(pi,pj) (3)
ここで、piはi番目のテキストボックスの位置座標であり、pjはj番目のテキストボックスの位置座標であり、dijはi番目のテキストボックスとj番目のテキストボックスとの四隅の点の位置座標の差であり、rijはi番目のテキストボックスとj番目のテキストボックスとの間の中心点の角度の差であり、且つrij∈[-π,π]であり、rot()は角度の差の計算関数であり、uijはi番目のテキストボックスとj番目のテキストボックスとの間の中心点のユークリッド距離であり、Euclidean()は、ユークリッド距離計算関数である。
である。
帳票画像に対してテキスト検出を行って、前記帳票画像における少なくとも2つのテキストボックスの属性情報セット及び関係情報セットを確定するためのテキスト検出モジュール701と、
前記テキストボックスの属性情報セット及び関係情報セットに基づいて、前記テキストボックスのタイプ、及び前記テキストボックスと構造的関係を有する関連テキストボックスを確定するための情報推定モジュール702と、
前記テキストボックスのタイプ、及び前記テキストボックスと構造的関係を有する関連テキストボックスに基づいて、前記帳票画像の構造化帳票データを抽出するための帳票データ抽出モジュール703と、を含む。
前記テキストボックスの属性情報セット及び関係情報セットに基づいて、前記テキストボックスの属性特徴セット及び関係特徴セットを確定するための特徴確定ユニットと、
前記テキストボックスの属性特徴セット及び関係特徴セットに基づいて、前記テキストボックスのタイプ確率、及び異なるテキストボックス間の関係確率を確定するための確率確定ユニットと、
前記テキストボックスのタイプ確率、及び異なるテキストボックス間の関係確率に基づいて、前記テキストボックスのタイプ、及び前記テキストボックスと構造的関係を有する関連テキストボックスを確定するためのタイプ関係確定ユニットと、を含む。
前記テキストボックスの属性情報セットにおける画像領域に基づいて、前記テキストボックスの視覚的特徴を確定し、
前記テキストボックスの属性情報セットにおけるテキストコンテンツに基づいて、前記テキストボックスの意味的特徴を確定し、
前記視覚的特徴、前記意味的特徴及び前記属性情報セットにおける位置座標を、前記テキストボックスの属性特徴セットとし、
前記属性特徴セット及び前記関係情報セットに基づいて、前記テキストボックスの関係特徴セットを確定するように構成される。
前記テキストボックスの属性特徴セット及び関係特徴セットを確率予測ネットワークに入力して、前記テキストボックスのタイプ確率、及び異なるテキストボックス間の関係確率を得るように構成される。
前記テキストボックスの関係特徴セットを現在サブ予測ネットワークの第1パーセプトロンに入力して、現在検知確率を得、
前記現在検知確率及び前記テキストボックスの属性特徴セットを、前記現在サブ予測ネットワークの第1隠れ層に入力して、第1隠れテキスト特徴を得、
前記現在サブ予測ネットワークが最後のサブ予測ネットワークである場合に、前記第1隠れテキスト特徴及び前記属性特徴セットを前記現在サブ予測ネットワークの長・短期記憶ネットワーク層に入力して、前記テキストボックスのタイプ確率を得、前記現在検知確率を異なるテキストボックス間の関係確率とするように構成される。
前記現在サブ予測ネットワークが最後のサブ予測ネットワークではない場合に、前記第1隠れテキスト特徴及び前記属性特徴セットを前記現在サブ予測ネットワークの長・短期記憶ネットワーク層に入力して、前記テキストボックスの更新後の属性特徴セットを得、前記更新後の属性特徴セットを次のサブ予測ネットワークに入力し、前記第1隠れテキスト特徴及び前記関係特徴セットを前記現在サブ予測ネットワークの第2隠れ層に入力して、第2隠れテキスト特徴を得、前記第2隠れテキスト特徴を前記現在サブ予測ネットワークの第2パーセプトロンに入力して、前記テキストボックスの更新後の関係特徴セットを得、前記更新後の関係特徴セットを次のサブ予測ネットワークに入力するように構成される。
前記テキストボックスのタイプ確率に基づいて、前記テキストボックスのタイプを確定するためのテキストボックスタイプ確定サブユニットと、
異なるテキストボックス間の関係確率及び確率閾値に基づいて、構造的関係を有する候補テキストボックスペアを確定するためのテキストボックスペア確定サブユニットと、
前記候補テキストボックスペア及び前記テキストボックスのタイプに基づいて、前記テキストボックスと構造的関係を有する関連テキストボックスを確定するための関連テキストボックス確定サブユニットと、を含む。
前記テキストボックスと構造的関係を有する関連テキストボックスが少なくとも2つである場合に、前記テキストボックスが予め設定されたタイプであるか否かを判断するためのテキストボックスタイプ判断サブユニットと、
前記テキストボックスが予め設定されたタイプである場合に、前記少なくとも2つの関連テキストボックスのうち、前記テキストボックスとの関係確率が最も高い関連テキストボックスを、最終的に前記テキストボックスと構造的関係を有する関連テキストボックスとするための関連テキストボックス選別サブユニットと、を更に含む。
帳票画像に対してテキスト検出を行って、前記帳票画像における少なくとも2つのテキストボックスの位置座標を得るための位置確定サブユニットと、
前記少なくとも2つのテキストボックスの位置座標に対して歪み補正を行うための位置補正サブユニットと、
補正後の少なくとも2つのテキストボックスの位置座標に基づいて、前記少なくとも2つのテキストボックスの画像領域及びテキストコンテンツを確定するための画像・テキスト確定サブユニットと、を含む。
Claims (19)
- 帳票画像に対してテキスト検出を行って、前記帳票画像におけるテキスト文字列の位置をマークした少なくとも2つのテキストボックスを得るステップと、
前記少なくとも2つのテキストボックスのそれぞれに対して、テキストボックスの属性情報セット、及び当該テキストボックスと他のテキストボックスとの間の関係情報セットを確定するステップであって、前記テキストボックスの属性情報セットは、当該テキストボックスの位置座標、画像領域及びテキストコンテンツを示す情報を含み、前記関係情報セットは、当該テキストボックスと他のテキストボックスとの間の位置関係を示す情報を含む、ステップと、
第1テキストボックス及び第2テキストボックスを含む前記少なくとも2つのテキストボックスに対して、前記第1テキストボックスの属性情報セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットに基づいて、前記第1テキストボックスのタイプに予め関連付けられたタイプであり、かつ前記第1テキストボックスと構造的関係を有する関連テキストボックスとして前記第2テキストボックスを確定するステップであって、前記第1テキストボックスのタイプは、フィールド属性タイプ又はテーブルヘッダタイプを含み、前記第2テキストボックスのタイプは、フィールド値タイプ又はテーブルセルタイプを含み、前記構造的関係は、フィールド属性タイプの前記第1テキストボックスと、当該フィールド値タイプの第1テキストボックスに予め関連付けられたフィールド値タイプの前記第2テキストボックスとの間のフィールド構造的関係、又はテーブルヘッダタイプの前記第1テキストボックスと、前記テーブルヘッダタイプの前記第1テキストボックスに予め関連付けられたテーブルセルタイプの前記第2テキストボックスとの間のテーブル構造的関係とを含む、ステップと、
前記帳票画像に含まれる複数の前記第1テキストボックスそれぞれと、構造的関係を有する関連テキストボックスである複数の前記第2テキストボックスと、を含む、構造的関係を有するテキストボックスグループを決定し、決定したそれぞれのテキストボックスグループにおけるテキストコンテンツを、前記帳票画像の1組の構造化帳票データとして抽出するステップと、を含み、
第1テキストボックス及び第2テキストボックスを含む前記少なくとも2つのテキストボックスに対して、前記第1テキストボックスの属性情報セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットに基づいて、前記第1テキストボックスのタイプに予め関連付けられたタイプであり、かつ前記第1テキストボックスと所定の位置関係である構造的関係を有する関連テキストボックスとして前記第2テキストボックスを確定するステップは、
前記第1テキストボックスの属性情報セットから、前記第1テキストボックスの属性情報を示す関連特徴を抽出して、前記第1テキストボックスの属性特徴セットとして確定し、前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットから、前記第1テキストボックスと前記第2テキストボックスとの間の関係情報を示す関連情報を抽出して、前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットとして確定することと、
前記第1テキストボックスの属性特徴セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットに基づいて、前記第1テキストボックスが、前記フィールド属性タイプ、前記フィールド値タイプ、前記テーブルヘッダタイプ及び前記テーブルセルタイプのそれぞれに属する確率であるタイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとが前記構造的関係を有する確率である関係確率を確定することと、
前記タイプ確率、及び関係確率に基づいて、前記第1テキストボックスのタイプ、及び前記第1テキストボックスと構造的関係を有する関連テキストボックスである前記第2テキストボックスを確定することと、を含み、
前記第1テキストボックスの属性特徴セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットに基づいて、前記第1テキストボックスが、前記フィールド属性タイプ、前記フィールド値タイプ、前記テーブルヘッダタイプ及び前記テーブルセルタイプのそれぞれに属する確率であるタイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとが前記構造的関係を有する確率である関係確率を確定することは、
前記第1テキストボックスの属性特徴セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットを入力することにより、前記第1テキストボックスの前記タイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率を出力するように、複数の帳票画像に含まれるテキストボックスの属性特徴セット及び関係特徴セットに基づいて深層学習した確率予測ネットワークに入力して、前記第1テキストボックスの前記タイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率を得ることを含むことを特徴とする帳票画像認識方法。 - 前記第1テキストボックスの属性情報セットから、前記第1テキストボックスの属性情報を示す関連特徴を抽出して、前記第1テキストボックスの属性特徴セットとして確定し、前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットから、前記第1テキストボックスと前記第2テキストボックスとの間の関係情報を示す関連情報を抽出して、前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットとして確定することは、
前記第1テキストボックスの属性情報セットにおける画像領域に基づいて、前記第1テキストボックスの視覚的特徴を確定することと、
前記第1テキストボックスの属性情報セットにおけるテキストコンテンツに基づいて、前記第1テキストボックスの意味的特徴を確定することと、
前記視覚的特徴、前記意味的特徴及び前記属性情報セットにおける位置座標を、前記第1テキストボックスの属性特徴セットとすることと、
前記属性特徴セット及び前記関係情報セットに基づいて、前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットを確定することと、を含むことを特徴とする請求項1に記載の方法。 - 前記確率予測ネットワークは少なくとも1つの首尾接続されたサブ予測ネットワークを含み、
前記第1テキストボックスの属性特徴セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットを入力することにより、前記第1テキストボックスの前記タイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率を出力するように、複数の帳票画像に含まれるテキストボックスの属性特徴セット及び関係特徴セットに基づいて深層学習した確率予測ネットワークに入力して、前記第1テキストボックスの前記タイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率を得ることは、
前記第1テキストボックスの関係特徴セットを現在サブ予測ネットワークの第1パーセプトロンに入力して、現在検知確率を得ることと、
前記現在検知確率及び前記第1テキストボックスの属性特徴セットを、前記現在サブ予測ネットワークの第1隠れ層に入力して、第1隠れテキスト特徴を得ることと、
前記現在サブ予測ネットワークが最後のサブ予測ネットワークである場合に、前記第1隠れテキスト特徴及び前記属性特徴セットを前記現在サブ予測ネットワークの長・短期記憶ネットワーク層に入力して、前記第1テキストボックスの前記タイプ確率とし、前記現在検知確率を前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率とすることと、を含むことを特徴とする請求項1に記載の方法。 - 前記現在検知確率及び前記第1テキストボックスの属性特徴セットを、前記現在サブ予測ネットワークの第1隠れ層に入力して、第1隠れテキスト特徴を得た後に、
前記現在サブ予測ネットワークが最後のサブ予測ネットワークではない場合に、前記第1隠れテキスト特徴及び前記属性特徴セットを前記現在サブ予測ネットワークの長・短期記憶ネットワーク層に入力して、前記第1テキストボックスの更新後の属性特徴セットを得、前記更新後の属性特徴セットを次のサブ予測ネットワークに入力することと、
前記第1隠れテキスト特徴及び前記関係特徴セットを、前記現在サブ予測ネットワークの第2隠れ層に入力して、第2隠れテキスト特徴を得ることと、
前記第2隠れテキスト特徴を前記現在サブ予測ネットワークの第2パーセプトロンに入力して、前記第1テキストボックスと前記第2テキストボックスとの間の更新後の関係特徴セットを得、前記更新後の関係特徴セットを次のサブ予測ネットワークに入力することと、をさらに含むことを特徴とする請求項3に記載の方法。 - 前記タイプ確率、及び関係確率に基づいて、前記第1テキストボックスのタイプ、及び前記第1テキストボックスと構造的関係を有する関連テキストボックスである前記第2テキストボックスを確定することは、
前記第1テキストボックスの前記タイプ確率に基づいて、前記第1テキストボックスのタイプを確定することと、
前記第1テキストボックスと、前記第1テキストボックスと異なるテキストボックス間の関係確率及び確率閾値に基づいて、構造的関係を有する候補テキストボックスペアを確定することと、
前記候補テキストボックスペア及び前記第1テキストボックスのタイプに基づいて、前記第1テキストボックスと構造的関係を有する関連テキストボックスとして前記第2テキストボックスを確定することと、を含むことを特徴とする請求項1に記載の方法。 - 前記候補テキストボックスペア及び前記第1テキストボックスのタイプに基づいて、前記第1テキストボックスと構造的関係を有する関連テキストボックスとして前記第2テキストボックスを確定した後に、
前記第1テキストボックスと構造的関係を有する関連テキストボックスが少なくとも2つである場合に、前記第1テキストボックスが予め設定されたタイプであるか否かを判断することと、
前記第1テキストボックスが予め設定されたタイプである場合に、前記少なくとも2つの関連テキストボックスのうち、前記第1テキストボックスとの関係確率が最も高い関連テキストボックスを、最終的に前記第1テキストボックスと構造的関係を有する関連テキストボックスとすることと、をさらに含むことを特徴とする請求項5に記載の方法。 - 前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットは、前記第1テキストボックスと前記第2テキストボックスとの位置座標の差、中心点の角度の差及び中心点のユークリッド距離を含むことを特徴とする請求項1又は2に記載の方法。
- 帳票画像に対してテキスト検出を行って、前記帳票画像におけるテキスト文字列の位置をマークした少なくとも2つのテキストボックスを得るステップは、
帳票画像に対してテキスト検出を行って、前記帳票画像における少なくとも2つのテキストボックスの位置座標を得ることと、
前記少なくとも2つのテキストボックスの位置座標に対して歪み補正を行うことと、
補正後の少なくとも2つのテキストボックスの位置座標に基づいて、前記少なくとも2つのテキストボックスの画像領域を確定することと、を含むことを特徴とする請求項1に記載の方法。 - 帳票画像に対してテキスト検出を行って、前記帳票画像におけるテキスト文字列の位置をマークした少なくとも2つのテキストボックスを得るテキスト検出モジュールと、
前記少なくとも2つのテキストボックスのそれぞれに対して、テキストボックスの属性情報セット、及び当該テキストボックスと他のテキストボックスとの間の関係情報セットを確定するための情報確定モジュールステップであって、前記テキストボックスの属性情報セットは、当該テキストボックスの位置座標、画像領域及びテキストコンテンツを示す情報を含み、前記関係情報セットは、当該テキストボックスと他のテキストボックスとの間の位置関係を示す情報を含む、モジュールと、
第1テキストボックス及び第2テキストボックスを含む前記少なくとも2つのテキストボックスに対して、前記第1テキストボックスの属性情報セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットに基づいて、前記第1テキストボックスのタイプに予め関連付けられたタイプであり、かつ前記第1テキストボックスと構造的関係を有する関連テキストボックスとして前記第2テキストボックスを確定するための情報推定モジュールであって、前記第1テキストボックスのタイプは、フィールド属性タイプ又はテーブルヘッダタイプを含み、前記第2テキストボックスのタイプは、フィールド値タイプ又はテーブルセルタイプを含み、前記構造的関係は、フィールド属性タイプの前記第1テキストボックスと、当該フィールド値タイプの第1テキストボックスに予め関連付けられたフィールド値タイプの前記第2テキストボックスとの間のフィールド構造的関係、又はテーブルヘッダタイプの前記第1テキストボックスと、前記テーブルヘッダタイプの前記第1テキストボックスに予め関連付けられたテーブルセルタイプの前記第2テキストボックスとの間のテーブル構造的関係とを含む、モジュールと、
前記帳票画像に含まれる複数の前記第1テキストボックスそれぞれと、構造的関係を有する関連テキストボックスである複数の前記第2テキストボックスと、を含む、構造的関係を有するテキストボックスグループを決定し、決定したそれぞれのテキストボックスグループにおけるテキストコンテンツを、前記帳票画像の1組の構造化帳票データとして抽出するための帳票データ抽出モジュールと、を含み、
前記情報推定モジュールは、
前記第1テキストボックスの属性情報セットから、前記第1テキストボックスの属性情報を示す関連特徴を抽出して、前記第1テキストボックスの属性特徴セットとして確定し、前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットから、前記第1テキストボックスと前記第2テキストボックスとの間の関係情報を示す関連情報を抽出して、前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットとして確定するための特徴確定ユニットと、
前記第1テキストボックスの属性特徴セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットに基づいて、前記第1テキストボックスが、前記フィールド属性タイプ、前記フィールド値タイプ、前記テーブルヘッダタイプ及び前記テーブルセルタイプのそれぞれに属する確率であるタイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとが前記構造的関係を有する確率である関係確率を確定するための確率確定ユニットと、
前記タイプ確率、及び関係確率に基づいて、前記第1テキストボックスのタイプ、及び前記第1テキストボックスと構造的関係を有する関連テキストボックスである前記第2テキストボックスを確定するためのタイプ関係確定ユニットと、を含み、
前記確率確定ユニットは、
前記第1テキストボックスの属性特徴セット及び前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットを入力することにより、前記第1テキストボックスの前記タイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率を出力するように、複数の帳票画像に含まれるテキストボックスの属性特徴セット及び関係特徴セットに基づいて深層学習した確率予測ネットワークに入力して、前記第1テキストボックスの前記タイプ確率、及び前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率を得るように構成されることを特徴とする帳票画像認識装置。 - 前記特徴確定ユニットは、
前記第1テキストボックスの属性情報セットにおける画像領域に基づいて、前記第1テキストボックスの視覚的特徴を確定し、
前記第1テキストボックスの属性情報セットにおけるテキストコンテンツに基づいて、前記第1テキストボックスの意味的特徴を確定し、
前記視覚的特徴、前記意味的特徴及び前記属性情報セットにおける位置座標を、前記第1テキストボックスの属性特徴セットとし、
前記属性特徴セット及び前記関係情報セットに基づいて、前記第1テキストボックスと前記第2テキストボックスとの間の関係特徴セットを確定するように構成されることを特徴とする請求項9に記載の装置。 - 前記確率予測ネットワークは少なくとも1つの首尾接続されたサブ予測ネットワークを含み、
前記確率確定ユニットは、
前記第1テキストボックスの関係特徴セットを現在サブ予測ネットワークの第1パーセプトロンに入力して、現在検知確率を得、
前記現在検知確率及び前記第1テキストボックスの属性特徴セットを、前記現在サブ予測ネットワークの第1隠れ層に入力して、第1隠れテキスト特徴を得、
前記現在サブ予測ネットワークが最後のサブ予測ネットワークである場合に、前記第1隠れテキスト特徴及び前記属性特徴セットを前記現在サブ予測ネットワークの長・短期記憶ネットワーク層に入力して、前記第1テキストボックスの前記タイプ確率とし、前記現在検知確率を前記第1テキストボックスと前記第2テキストボックスとの間の前記関係確率とするように構成されることを特徴とする請求項9に記載の装置。 - 前記確率確定ユニットは、前記現在検知確率及び前記第1テキストボックスの属性特徴セットを、前記現在サブ予測ネットワークの第1隠れ層に入力して、第1隠れテキスト特徴を得た後に、さらに
前記現在サブ予測ネットワークが最後のサブ予測ネットワークではない場合に、前記第1隠れテキスト特徴及び前記属性特徴セットを前記現在サブ予測ネットワークの長・短期記憶ネットワーク層に入力して、前記第1テキストボックスの更新後の属性特徴セットを得、前記更新後の属性特徴セットを次のサブ予測ネットワークに入力し、
前記第1隠れテキスト特徴及び前記関係特徴セットを前記現在サブ予測ネットワークの第2隠れ層に入力して、第2隠れテキスト特徴を得、
前記第2隠れテキスト特徴を前記現在サブ予測ネットワークの第2パーセプトロンに入力して、前記第1テキストボックスと前記第2テキストボックスとの間の更新後の関係特徴セットを得、前記更新後の関係特徴セットを次のサブ予測ネットワークに入力するように構成されることを特徴とする請求項11に記載の装置。 - 前記タイプ関係確定ユニットは、
前記第1テキストボックスの前記タイプ確率に基づいて、前記第1テキストボックスのタイプを確定するためのテキストボックスタイプ確定サブユニットと、
前記第1テキストボックスと、前記第1テキストボックスと異なるテキストボックス間の関係確率及び確率閾値に基づいて、構造的関係を有する候補テキストボックスペアを確定するためのテキストボックスペア確定サブユニットと、
前記候補テキストボックスペア及び前記第1テキストボックスのタイプに基づいて、前記第1テキストボックスと構造的関係を有する関連テキストボックスとして前記第2テキストボックスを確定するための関連テキストボックス確定サブユニットと、を含むことを特徴とする請求項9に記載の装置。 - 前記タイプ関係確定ユニットは、
前記第1テキストボックスと構造的関係を有する関連テキストボックスが少なくとも2つである場合に、前記第1テキストボックスが予め設定されたタイプであるか否かを判断するためのテキストボックスタイプ判断サブユニットと、
前記第1テキストボックスが予め設定されたタイプである場合に、前記少なくとも2つの関連テキストボックスのうち、前記第1テキストボックスとの関係確率が最も高い関連テキストボックスを、最終的に前記第1テキストボックスと構造的関係を有する関連テキストボックスとするための関連テキストボックス選別サブユニットと、をさらに含むことを特徴とする請求項13に記載の装置。 - 前記第1テキストボックスの属性情報セットは、前記テキストボックスの位置座標、画像領域及びテキストコンテンツを含み、前記第1テキストボックスと前記第2テキストボックスとの間の関係情報セットは、前記第1テキストボックスと前記第2テキストボックスとの位置座標の差、中心点の角度の差及び中心点のユークリッド距離を含むことを特徴とする請求項9又は10に記載の装置。
- 前記テキスト検出モジュールは、
帳票画像に対してテキスト検出を行って、前記帳票画像における少なくとも2つのテキストボックスの位置座標を得るための位置確定サブユニットと、
前記少なくとも2つのテキストボックスの位置座標に対して歪み補正を行うための位置補正サブユニットと、
補正後の少なくとも2つのテキストボックスの位置座標に基づいて、前記少なくとも2つのテキストボックスの画像領域を確定するための画像・テキスト確定サブユニットと、を含むことを特徴とする請求項9に記載の装置。 - 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと通信可能に接続されるメモリと、を含む電子機器であって、
前記メモリは、前記少なくとも1つのプロセッサによって実行可能な指令を記憶しており、前記指令が前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサに請求項1から8のいずれか一項に記載の帳票画像認識方法を実行させることを特徴とする電子機器。 - コンピュータ指令が記憶されている非一時的コンピュータ可読記憶媒体であって、前記コンピュータ指令がコンピュータに請求項1から8のいずれか一項に記載の帳票画像認識方法を実行させることを特徴とする非一時的コンピュータ可読記憶媒体。
- プロセッサにより実行されると、請求項1から8のいずれか一項に記載の帳票画像認識方法を実現する、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010517447.1A CN111709339B (zh) | 2020-06-09 | 2020-06-09 | 一种票据图像识别方法、装置、设备及存储介质 |
CN202010517447.1 | 2020-06-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021197154A JP2021197154A (ja) | 2021-12-27 |
JP7230081B2 true JP7230081B2 (ja) | 2023-02-28 |
Family
ID=72539524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021032799A Active JP7230081B2 (ja) | 2020-06-09 | 2021-03-02 | 帳票画像認識方法および装置、電子機器、記憶媒体並びにコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11854246B2 (ja) |
EP (1) | EP3836016A1 (ja) |
JP (1) | JP7230081B2 (ja) |
KR (1) | KR102612295B1 (ja) |
CN (1) | CN111709339B (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052835B (zh) * | 2020-09-29 | 2022-10-11 | 北京百度网讯科技有限公司 | 信息处理方法、信息处理装置、电子设备和存储介质 |
CN112001368A (zh) * | 2020-09-29 | 2020-11-27 | 北京百度网讯科技有限公司 | 文字结构化提取方法、装置、设备以及存储介质 |
CN112364857B (zh) * | 2020-10-23 | 2024-04-26 | 中国平安人寿保险股份有限公司 | 基于数值抽取的图像识别方法、装置及存储介质 |
WO2022087688A1 (en) * | 2020-11-02 | 2022-05-05 | The University Of Melbourne | System and method for text mining |
CN112597773B (zh) * | 2020-12-08 | 2022-12-13 | 上海深杳智能科技有限公司 | 文档结构化方法、系统、终端及介质 |
CN112699234A (zh) * | 2020-12-08 | 2021-04-23 | 上海深杳智能科技有限公司 | 一种通用文档识别方法、系统、终端及存储介质 |
CN112613367A (zh) * | 2020-12-14 | 2021-04-06 | 盈科票据服务(深圳)有限公司 | 票据信息文本框获取方法、系统、设备及存储介质 |
CN112837466B (zh) * | 2020-12-18 | 2023-04-07 | 北京百度网讯科技有限公司 | 票据识别方法、装置、设备以及存储介质 |
CN112949415B (zh) * | 2021-02-04 | 2023-03-24 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备和介质 |
CN112949450B (zh) * | 2021-02-25 | 2024-01-23 | 北京百度网讯科技有限公司 | 票据处理方法、装置、电子设备和存储介质 |
CN113065536B (zh) * | 2021-06-03 | 2021-09-14 | 北京欧应信息技术有限公司 | 处理表格的方法、计算设备和计算机可读存储介质 |
CN113657377B (zh) * | 2021-07-22 | 2023-11-14 | 西南财经大学 | 一种机打票据图像结构化识别方法 |
CN113627350B (zh) * | 2021-08-12 | 2022-08-02 | 北京百度网讯科技有限公司 | 一种表格检测方法、装置、设备以及存储介质 |
CN113780098B (zh) * | 2021-08-17 | 2024-02-06 | 北京百度网讯科技有限公司 | 文字识别方法、装置、电子设备以及存储介质 |
CN113762100B (zh) * | 2021-08-19 | 2024-02-09 | 杭州米数科技有限公司 | 医疗票据中名称提取及标准化方法、装置、计算设备及存储介质 |
JPWO2023188362A1 (ja) * | 2022-03-31 | 2023-10-05 | ||
CN115497114B (zh) * | 2022-11-18 | 2024-03-12 | 中国烟草总公司四川省公司 | 一种卷烟物流收货票据的结构化信息提取方法 |
CN115640401B (zh) * | 2022-12-07 | 2023-04-07 | 恒生电子股份有限公司 | 文本内容提取方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005462A (ja) | 2016-06-30 | 2018-01-11 | 株式会社日立ソリューションズ | 認識装置及び認識方法 |
WO2020071558A1 (ja) | 2018-10-05 | 2020-04-09 | Arithmer株式会社 | 帳票レイアウト解析装置、その解析プログラムおよびその解析方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006126943A (ja) * | 2004-10-26 | 2006-05-18 | Canon Inc | ワークフロー管理装置、ネットワークシステム、制御方法、及びプログラム |
CN104517112B (zh) * | 2013-09-29 | 2017-11-28 | 北大方正集团有限公司 | 一种表格识别方法与系统 |
US10185946B2 (en) * | 2014-12-31 | 2019-01-22 | Fiserv, Inc. | Facilitating presentation of content relating to a financial transaction |
US10572725B1 (en) * | 2018-03-30 | 2020-02-25 | Intuit Inc. | Form image field extraction |
CN109086756B (zh) * | 2018-06-15 | 2021-08-03 | 众安信息技术服务有限公司 | 一种基于深度神经网络的文本检测分析方法、装置及设备 |
US10810420B2 (en) * | 2018-09-28 | 2020-10-20 | American Express Travel Related Services Company, Inc. | Data extraction and duplicate detection |
CN109635627A (zh) * | 2018-10-23 | 2019-04-16 | 中国平安财产保险股份有限公司 | 图片信息提取方法、装置、计算机设备及存储介质 |
US11055560B2 (en) * | 2018-11-21 | 2021-07-06 | Microsoft Technology Licensing, Llc | Unsupervised domain adaptation from generic forms for new OCR forms |
EP3660733B1 (en) * | 2018-11-30 | 2023-06-28 | Tata Consultancy Services Limited | Method and system for information extraction from document images using conversational interface and database querying |
AU2019391808A1 (en) * | 2018-12-04 | 2021-07-01 | Leverton Holding Llc | Methods and systems for automated table detection within documents |
CN109858420A (zh) * | 2019-01-24 | 2019-06-07 | 国信电子票据平台信息服务有限公司 | 一种票据处理系统和处理方法 |
CN109816118B (zh) * | 2019-01-25 | 2022-12-06 | 上海深杳智能科技有限公司 | 一种基于深度学习模型的创建结构化文档的方法及终端 |
CN109948507B (zh) * | 2019-03-14 | 2021-05-07 | 北京百度网讯科技有限公司 | 用于检测表格的方法和装置 |
CN110751038A (zh) * | 2019-09-17 | 2020-02-04 | 北京理工大学 | 一种基于图注意力机制的pdf表格结构识别方法 |
CN110991456B (zh) * | 2019-12-05 | 2023-07-07 | 北京百度网讯科技有限公司 | 票据识别方法及装置 |
-
2020
- 2020-06-09 CN CN202010517447.1A patent/CN111709339B/zh active Active
-
2021
- 2021-03-02 JP JP2021032799A patent/JP7230081B2/ja active Active
- 2021-03-11 KR KR1020210032197A patent/KR102612295B1/ko active IP Right Grant
- 2021-03-15 EP EP21162692.4A patent/EP3836016A1/en active Pending
- 2021-03-15 US US17/201,733 patent/US11854246B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005462A (ja) | 2016-06-30 | 2018-01-11 | 株式会社日立ソリューションズ | 認識装置及び認識方法 |
WO2020071558A1 (ja) | 2018-10-05 | 2020-04-09 | Arithmer株式会社 | 帳票レイアウト解析装置、その解析プログラムおよびその解析方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20210152931A (ko) | 2021-12-16 |
CN111709339B (zh) | 2023-09-19 |
EP3836016A1 (en) | 2021-06-16 |
US11854246B2 (en) | 2023-12-26 |
US20210383107A1 (en) | 2021-12-09 |
JP2021197154A (ja) | 2021-12-27 |
KR102612295B1 (ko) | 2023-12-12 |
CN111709339A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7230081B2 (ja) | 帳票画像認識方法および装置、電子機器、記憶媒体並びにコンピュータプログラム | |
JP7166322B2 (ja) | モデルを訓練するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
US11341366B2 (en) | Cross-modality processing method and apparatus, and computer storage medium | |
US11681875B2 (en) | Method for image text recognition, apparatus, device and storage medium | |
US20210201182A1 (en) | Method and apparatus for performing structured extraction on text, device and storage medium | |
JP7299939B2 (ja) | テーブル認識方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム | |
US11423222B2 (en) | Method and apparatus for text error correction, electronic device and storage medium | |
US11275904B2 (en) | Method and apparatus for translating polysemy, and medium | |
US20220253631A1 (en) | Image processing method, electronic device and storage medium | |
US11775845B2 (en) | Character recognition method and apparatus, electronic device and computer readable storage medium | |
EP3855353A2 (en) | Image table extraction method and apparatus, electronic device, and storage medium | |
JP7133002B2 (ja) | 句読点予測方法および装置 | |
KR102456535B1 (ko) | 의료 사실 검증 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
CN111507355A (zh) | 一种字符识别方法、装置、设备和存储介质 | |
KR20210090576A (ko) | 품질을 관리하는 방법, 장치, 기기, 저장매체 및 프로그램 | |
US20210232856A1 (en) | Image processing method, apparatus, electronic device and storage medium | |
US20230215203A1 (en) | Character recognition model training method and apparatus, character recognition method and apparatus, device and storage medium | |
US11830242B2 (en) | Method for generating a license plate defacement classification model, license plate defacement classification method, electronic device and storage medium | |
CN113762109B (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
US20210312173A1 (en) | Method, apparatus and device for recognizing bill and storage medium | |
JP7241122B2 (ja) | スマート応答方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム | |
US20220382565A1 (en) | Machine-Learned Models for User Interface Prediction, Generation, and Interaction Understanding | |
JP7389824B2 (ja) | オブジェクト識別方法と装置、電子機器及び記憶媒体 | |
CN111552829A (zh) | 用于分析图像素材的方法和装置 | |
US11881050B2 (en) | Method for detecting face synthetic image, electronic device, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210302 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220412 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220706 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230111 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230111 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230119 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230124 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7230081 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |