[發(fā)明專利]文檔圖像識別方法和裝置、電子設(shè)備、計(jì)算機(jī)可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111505415.0
• 申請日: 2021-12-10
• 公開（公告）號: CN114187448A
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計(jì)）人: 李晨霞;杜宇寧;周軍;郭若愚;楊燁華;賴寶華;劉其文;胡曉光;于佃海;馬艷軍
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V30/148;G06V10/22;G06V10/74;G06V30/19;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06V30/10
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

本公開提供了一種文檔圖像識別方法和裝置，涉及圖像識別、深度學(xué)習(xí)等技術(shù)領(lǐng)域。具體實(shí)現(xiàn)方案為：獲取待識別文檔圖像；檢測待識別文檔圖像是否具有至少一個(gè)識別要素；響應(yīng)于待識別文檔圖像中具有至少一個(gè)識別要素，將待識別文檔圖像劃分為至少一個(gè)版面區(qū)域；針對各個(gè)識別要素，對該識別要素對應(yīng)的版面區(qū)域進(jìn)行識別，得到該識別要素對應(yīng)的版面區(qū)域的識別結(jié)果。該實(shí)施方式提高了文檔圖像識別的效率。

技術(shù)領(lǐng)域

本公開涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及圖像識別、深度學(xué)習(xí)等技術(shù)領(lǐng)域，尤其涉及一種文檔圖像識別方法和裝置、電子設(shè)備、計(jì)算機(jī)可讀介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)

日常辦公場景中，需要經(jīng)常處理帶有表格的文本文檔；如金融行業(yè)中提取用戶申請資質(zhì)時(shí)各類文件信息；工業(yè)界對于實(shí)體制造情況的持續(xù)跟蹤，以及對于發(fā)票、各類表單的電子化存儲需求等。

在文檔分析領(lǐng)域中，研究人員提出了不同的版面分析算法、表格識別算法，但它們只能解決某方面單個(gè)子任務(wù)，無法統(tǒng)一對該文本文檔進(jìn)行處理。

發(fā)明內(nèi)容

提供了一種文檔圖像識別方法和裝置、電子設(shè)備、計(jì)算機(jī)可讀介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品。

根據(jù)第一方面，提供了一種文檔圖像識別方法，該方法包括：獲取待識別文檔圖像；檢測待識別文檔圖像是否具有至少一個(gè)識別要素；響應(yīng)于待識別文檔圖像中具有至少一個(gè)識別要素，將待識別文檔圖像劃分為至少一個(gè)版面區(qū)域；針對各個(gè)識別要素，對該識別要素對應(yīng)的版面區(qū)域進(jìn)行識別，得到該識別要素對應(yīng)的版面區(qū)域的識別結(jié)果。

根據(jù)第二方面，又提供了一種文檔圖像識別方法，該方法包括：獲取待識別文檔圖像；將待識別文檔圖像輸入預(yù)先訓(xùn)練完成的版面識別模型，以使版面識別模型檢測待識別文檔圖像是否具有至少一個(gè)識別要素；響應(yīng)于待識別文檔圖像具有至少一個(gè)識別要素，得到版面識別模型輸出的至少一個(gè)版面區(qū)域；獲取與各個(gè)識別要素對應(yīng)的、預(yù)先訓(xùn)練完成的識別要素模型，每個(gè)識別要素模型用于識別一種識別要素；針對各個(gè)識別要素，采用獲取的識別要素模型，對該識別要素對應(yīng)的版面區(qū)域進(jìn)行識別，得到該識別要素對應(yīng)的版面區(qū)域的識別結(jié)果。

根據(jù)第三方面，又提供了一種文檔圖像識別裝置，該裝置包括：獲取單元，被配置成獲取待識別文檔圖像；檢測單元，被配置成檢測待識別文檔圖像是否具有至少一個(gè)識別要素；劃分單元，被配置成響應(yīng)于待識別文檔圖像中具有至少一個(gè)識別要素，將待識別文檔圖像劃分為至少一個(gè)版面區(qū)域；識別單元，被配置成針對各個(gè)識別要素，對該識別要素對應(yīng)的版面區(qū)域進(jìn)行識別，得到該識別要素對應(yīng)的版面區(qū)域的識別結(jié)果。

根據(jù)第四方面，提供了一種文檔圖像識別裝置，該裝置包括：圖像獲取單元，被配置成獲取待識別文檔圖像；輸入單元，被配置成將待識別文檔圖像輸入預(yù)先訓(xùn)練完成的版面識別模型，以使版面識別模型檢測待識別文檔圖像是否具有至少一個(gè)識別要素；得到單元，被配置成響應(yīng)于待識別文檔圖像具有至少一個(gè)識別要素，得到版面識別模型輸出的至少一個(gè)版面區(qū)域；模型獲取單元，被配置成獲取與各個(gè)識別要素對應(yīng)的、預(yù)先訓(xùn)練完成的識別要素模型，每個(gè)識別要素模型用于識別一種識別要素；識別單元，被配置成針對各個(gè)識別要素，采用獲取的識別要素模型，對該識別要素對應(yīng)的版面區(qū)域進(jìn)行識別，得到該識別要素對應(yīng)的版面區(qū)域的識別結(jié)果。

根據(jù)第五方面，提供了一種電子設(shè)備，該電子設(shè)備包括：至少一個(gè)處理器；以及與至少一個(gè)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(gè)處理器執(zhí)行的指令，指令被至少一個(gè)處理器執(zhí)行，以使至少一個(gè)處理器能夠執(zhí)行如第一方面或第二方面任一實(shí)現(xiàn)方式描述的方法。

根據(jù)第六方面，提供了一種存儲有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲介質(zhì)，計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行如第一方面或第二方面任一實(shí)現(xiàn)方式描述的方法。

根據(jù)第七方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面或第二方面任一實(shí)現(xiàn)方式描述的方法。