[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

本申請公開了一種用于處理圖像的方法、裝置、設備以及存儲介質，涉及圖像處理、云計算、深度學習、自然語言處理領域。具體實現方案為：獲取目標圖像；識別目標圖像中的文字信息；確定文字信息對應的語義特征向量和視覺特征向量；根據語義特征向量、視覺特征向量以及預訓練的二分類模型，確定目標圖像中的表格區域，其中，預訓練的二分類模型用于根據文字信息對應的語義特征向量和視覺特征向量判斷文字信息是否位于表格區域；輸出表格區域的信息。本實現方式通過根據語義特征向量和視覺特征向量確定表格區域，可以使得對表格區域的檢測更加精準，并且普適性更高。

技術領域

本申請涉及圖像處理領域，具體涉及圖像處理、云計算、深度學習、自然語言處理領域，尤其涉及一種用于處理圖像的方法、裝置、設備以及存儲介質。

背景技術

隨著人工智能技術的不斷進步，使用人工智能來進行影像文檔的智能分析越來越多。人工智能可以對影像進行方向和歪斜矯正、進行布局分析、進行內容識別等等，這些能力可以極大的方便各類涉及對影像文檔進行錄入、審核等的工作人員，極大的提升各類業務流程的智能化。

針對含有表格的文檔影像，進行表格區域的檢測，是很多表格智能化應用的基礎。目前針對文檔影像的表格區域檢測的準確性不高，檢測效果不理想。

發明內容

本公開提供了一種用于處理圖像的方法、裝置、設備以及存儲介質。

根據本公開的一方面，提供了一種用于處理圖像的方法，包括：獲取目標圖像；識別目標圖像中的文字信息；確定文字信息對應的語義特征向量和視覺特征向量；根據語義特征向量、視覺特征向量以及預訓練的二分類模型，確定目標圖像中的表格區域，其中，預訓練的二分類模型用于根據文字信息對應的語義特征向量和視覺特征向量判斷文字信息是否位于表格區域；輸出表格區域的信息。

根據本公開的另一方面，提供了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，被配置成識別目標圖像中的文字信息；特征向量確定單元，被配置成確定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，被配置成根據語義特征向量、視覺特征向量以及預訓練的二分類模型，確定目標圖像中的表格區域，其中，預訓練的二分類模型用于根據文字信息對應的語義特征向量和視覺特征向量判斷文字信息是否位于表格區域；輸出單元，被配置成輸出表格區域的信息。

根據本公開的再一方面，提供了一種用于處理圖像的電子設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行如上述用于處理圖像的方法。

根據本公開的又一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，上述計算機指令用于使計算機執行如上述用于處理圖像的方法。

根據本申請的技術解決了對文檔影像中表格區域檢測的準確性不高的問題，通過根據語義特征向量和視覺特征向量確定表格區域，可以使得對表格區域的檢測更加精準，并且普適性更高。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是本申請的一個實施例可以應用于其中的示例性系統架構圖；

圖2是根據本申請的用于處理圖像的方法的一個實施例的流程圖；

圖3是根據本申請的用于處理圖像的方法的一個應用場景的示意圖；

圖4是根據本申請的用于處理圖像的方法的另一個實施例的流程圖；

圖5是根據本申請的用于處理圖像的裝置的一個實施例的結構示意圖；