[發明專利]一種表格數據處理方法、裝置、設備及存儲介質

在審

• 申請號: 202111168456.5
• 申請日: 2021-09-30
• 公開（公告）號: CN113887441A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 孫鐵;朱運明;王琳婧;蘇沁寧;田鷗
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

本發明實施例涉及人工智能領域，公開了一種表格數據處理方法、裝置、設備及存儲介質，該方法包括：獲取一個或多個非標準表格的樣本表格訓練圖片；對各個樣本表格訓練圖片添加線條標簽；將添加線條標簽的各個樣本表格訓練圖片輸入預設的深度神經網絡模型進行訓練，得到表格數據處理模型；將目標表格圖片輸入表格數據處理模型，得到目標表格圖片的線條信息；通過預設的深度神經網絡模型對確定線條信息的目標表格圖片的目標表格中的文本進行檢測和識別，得到目標表格的文本內容，實現了對非標準表格的內容的抽取以及表格的復現，提高了對非標準表格數據處理的效率和準確性。本發明涉及區塊鏈技術，如可將數據寫入區塊鏈中，以用于數據取證等場景。

技術領域

本發明涉及人工智能領域，尤其涉及一種表格數據處理方法、裝置、設備及存儲介質。

背景技術

在各類影像中，通常存在一些并非‘田字格’，也就是存在一些線條缺失的非標準表格，需要識別各信息進行結構化輸出，而目前業內對合并單元格的識別、輸出及表格線條缺失情況下的識別無法實現較好的效果。通常常見的做法是通過OPENCV實現，將圖像轉化灰度圖像，然后進行邊緣檢測、采用霍夫線變換、重疊濾波、再進行感興趣區域(region ofinterest，ROI)選擇，裁剪后進行內容提取。除此之外，業內也有通過深度學習目標檢測算法來實現線條的檢測的，但對缺失的線條的檢測缺乏實現。在對表格內容復現過程中，目前業內對表格中如合并單元格以及單元格之間語義關系缺少一一對應復現。因此，如何更有效地實現對線條缺失等非標準表格的檢測以及表格內容的識別成為研究的重點。

發明內容

本發明實施例提供了一種表格數據處理方法、裝置、設備及介質，實現了對非標準表格的內容信息的抽取以及完整表格的復現，提高了對非標準表格數據處理的效率和準確性。

第一方面，本發明實施例提供了一種表格數據處理方法，包括：

獲取樣本訓練集，所述樣本訓練集中包括一個或多個樣本表格訓練圖片，所述一個或多個樣本表格訓練圖片中包括非標準表格的圖片，所述非標準表格是指表格線條不完整的表格；

對所述樣本訓練集中各個樣本表格訓練圖片添加線條標簽，所述線條標簽用于指示與所述各個樣本表格訓練圖片對應的樣本表格的線條信息；

將所述樣本訓練集中添加線條標簽的各個樣本表格訓練圖片輸入預設的深度神經網絡模型進行訓練，得到表格數據處理模型；

將待處理的目標表格圖片輸入所述表格數據處理模型，得到所述目標表格圖片對應的線條信息；

通過預設的深度神經網絡模型對確定線條信息的所述目標表格圖片對應的目標表格中的文本進行檢測和識別，得到所述目標表格中的文本內容。

進一步地，所述對所述樣本訓練集中各個樣本表格訓練圖片添加線條標簽，包括：

確定所述樣本訓練集中各個樣本表格訓練圖片中樣本表格的線條信息，所述線條信息包括一種或多種類別的線條以及每種線條的位置坐標，所述線條的類別包括與水平面平行的第一隱藏線條、與水平面垂直的第二隱藏線條、與水平面平行的第一顯示線條以及與水平面垂直的第二顯示線條；

根據所述各個樣本表格訓練圖片中樣本表格的線條的類別以及每種線條的位置信息對所述各個樣本表格訓練圖片添加對應的線條標簽。

進一步地，所述將所述樣本訓練集中添加線條標簽的各個樣本表格訓練圖片輸入預設的深度神經網絡模型進行訓練，得到表格數據處理模型，包括：

從所述添加線條標簽的各個樣本表格訓練圖片中提取表格特征向量，并將所述表格特征向量輸入所述預設的深度神經網絡模型，得到損失函數值；

當所述損失函數值不滿足預設條件時，根據所述損失函數值調整所述預設的深度神經網絡模型的模型參數，將所述添加線條標簽的各個樣本表格訓練圖片輸入調整模型參數后的深度神經網絡模型進行重新訓練；