[發明專利]用于處理圖像的方法、裝置、設備以及存儲介質

在審

• 申請號: 202010987108.X
• 申請日: 2020-09-18
• 公開（公告）號: CN112115865A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 曲福
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62;G06N3/02;G06F40/211;G06F40/30
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于處理圖像的方法，包括：

獲取目標圖像；

識別所述目標圖像中的文字信息；

確定所述文字信息對應的語義特征向量和視覺特征向量；

根據所述語義特征向量、所述視覺特征向量以及預訓練的二分類模型，確定所述目標圖像中的表格區域，其中，所述預訓練的二分類模型用于根據所述文字信息對應的語義特征向量和視覺特征向量判斷所述文字信息是否位于表格區域；

輸出所述表格區域的信息。

2.根據權利要求1所述的方法，其中，所述文字信息包括識別為同一行的至少一個子文字信息；以及

所述根據所述語義特征向量、所述視覺特征向量以及預訓練的二分類模型，確定所述目標圖像中的表格區域，包括：

對于每個子文字信息，組合該子文字信息對應的語義特征向量和視覺特征向量，得到組合特征向量；

根據各所述組合特征向量和所述預訓練的二分類模型，確定各所述組合特征向量對應的標識，其中，所述預訓練的二分類模型用于表征特征向量和標識之間的對應關系；

根據所述目標圖像、各所述子文字信息以及各所述標識，確定所述目標圖像中的表格區域。

3.根據權利要求2所述的方法，其中，所述標識包括第一標識；以及

所述根據所述目標圖像、各所述子文字信息以及所述標識，確定所述目標圖像中的表格區域，包括：

聚合所述第一標識對應的各子文字信息；

確定聚合后的各子文字信息對應的標注框為表格區域。

4.根據權利要求2所述的方法，其中，所述標識包括第一標識和第二標識，所述視覺特征向量包括多個與子文字信息對應的子視覺特征向量；以及

所述根據所述目標圖像、各所述子文字信息以及所述標識，確定所述目標圖像中的表格區域，包括：

根據所述第一標識對應的各子文字信息對應的各子視覺特征向量，確定所述第一標識對應的各子文字信息的第一位置信息；

根據所述第二標識對應的各子文字信息對應的各子視覺特征向量，確定所述第二標識對應的各子文字信息的第二位置信息；

根據所述目標圖像、所述第一位置信息和所述第二位置信息，確定所述目標圖像中的表格區域。

5.根據權利要求4所述的方法，其中，所述第一位置信息包括第一坐標和第二坐標，所述第二位置信息包括第三坐標和第四坐標，其中，所述第二坐標高于所述第一坐標，所述第四坐標高于所述第三坐標；以及

所述根據所述目標圖像、所述第一位置信息和所述第二位置信息，確定所述目標圖像中的表格區域，包括：

響應于確定所述第四坐標低于所述第一坐標或所述第三坐標高于所述第二坐標，聚合所述第一標識對應的各子文字信息；

確定聚合后的各文字信息對應的標注框為表格區域。

6.根據權利要求5所述的方法，其中，所述根據所述目標圖像、所述第一位置信息和所述第二位置信息，確定所述目標圖像中的表格區域，包括：

響應于確定所述第三坐標高于所述第一坐標，并且所述第四坐標低于所述第二坐標，聚合所述第一坐標和所述第三坐標之間的所述第一標識對應的各子文字信息，得到第一聚合子文字信息；以及聚合所述第四坐標和所述第二坐標之間的所述第一標識對應的各子文字信息，得到第二聚合子文字信息；

確定所述第一聚合子文字信息對應的標注框和所述第二聚合子文字信息對應的標注框為表格區域。

7.一種用于處理圖像的裝置，包括：

獲取單元，被配置成獲取目標圖像；

識別單元，被配置成識別所述目標圖像中的文字信息；

特征向量確定單元，被配置成確定所述文字信息對應的語義特征向量和視覺特征向量；

表格區域確定單元，被配置成根據所述語義特征向量、所述視覺特征向量以及預訓練的二分類模型，確定所述目標圖像中的表格區域，其中，所述預訓練的二分類模型用于根據所述文字信息對應的語義特征向量和視覺特征向量判斷所述文字信息是否位于表格區域；

輸出單元，被配置成輸出所述表格區域的信息。