CN103049750B - 字符识别方法 - Google Patents
字符识别方法 Download PDFInfo
- Publication number
- CN103049750B CN103049750B CN201310012073.8A CN201310012073A CN103049750B CN 103049750 B CN103049750 B CN 103049750B CN 201310012073 A CN201310012073 A CN 201310012073A CN 103049750 B CN103049750 B CN 103049750B
- Authority
- CN
- China
- Prior art keywords
- character
- point
- characteristic vector
- feature
- template
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000003708 edge detection Methods 0.000 claims abstract description 4
- 239000000284 extract Substances 0.000 description 8
- 238000013507 mapping Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 1
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
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/182—Extraction of features or characteristics of the image by coding the contour of the pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
本发明涉及一种该字符识别方法,其包括:步骤1:读入字符图像;步骤2:图像预处理;步骤3:字符切割;步骤4:边缘提取;运用边缘检测算子检测出字符的边缘点;步骤5:特征提取,每一字符的每一边缘点的特征都用该字符其他边缘点到该边缘点的距离表达,用特征向量(P1k,P2k…PMk)表示;步骤6:特征处理,将特征向量(P1k,P2k…PMk)映射到一个矩阵T中,使得所有字符的特征向量维度相同;步骤7,模板匹配识别。由于字符的每一边缘点的特征都用该字符其他边缘点到该边缘点的距离表达,从整个字符保证了特征的全局性,扩大了不同字符间特征的差异,从而提高了字符识别率。
Description
技术领域
本发明属于光学字符识别领域,涉及一种光学字符识别法。
背景技术
在字符识别过程,字符特征提取是至关重要的一步。特征提取可以看作对原始字符关键信息的抽取,所以特征要尽可能的体现不同字符间的差异,换句话说,不同类字符特征之间的距离要尽可能大。如果特征选取不当,无论选择什么样的分类器也无法达到很好的识别率。
识别一个字符通常是提取字符的边缘或者提取字符的骨架,然后再在边缘或者骨架上再提取特征。现有方法在描述边缘或者骨架上的点时,仅仅是考虑到当前点本身的信息。如用(x,y,f(x,y))作为边缘或者骨架上的一点P的特征,其中x,y表示点P坐标,f(x,y)表示亮度值,这样提取出来的特征具有局部性,如果两个字符局部形态相近(如Q和O),那么这两个字符提取出来的特征具有很大的相似性,这样就不利于区分这两个字符,导致***识别率下降。
因此,提供一种新的特征提取方法,用另外一个思路来描述字符边缘或者骨架上的点,扩大字符特征的差异,从而提高字符的识别率,非常重要。
发明内容
本发明的目的在于提供一种字符识别方法,通过扩大不同字符间特征的差异,提高字符识别率。
该字符识别方法包括:
步骤1:读入字符图像;
步骤2:图像预处理;
步骤3:字符切割;
步骤4:边缘提取;运用边缘检测算子检测出字符的边缘点;
步骤5:特征提取,每一字符的每一边缘点的特征都用该字符其他边缘点到该边缘点的距离表达,用特征向量(P1k,P2k…PMk)表示,因此每一字符的特征向量用矩阵表示;
步骤6:特征处理,将特征向量(P1k,P2k…PMk)映射到一个矩阵T中,使得所有字符的特征向量维度相同,其中
步骤7:模板匹配,假设待识别字符Θ的边缘中有X1,X2…XM共M个点,一个标准字符模板Δ中有Y1,Y2…YN共N个点,点Xi与标准字符模板Δ中点Yj的距离用如下算式计算:
记:Diπ(i)=minDij,表示标准字符模板Δ中的点Yπ(i)是点Xi的最佳匹配点;
待识别字符Θ到标准字符模板Δ的总距离为:
如果共有Γ个标准字符模板,则分别计算待识别字符Θ到每一标准字符模板的总距离,总距离最小的为待识别的结果。
优选的,步骤6中特征处理的方法进一步包括:
步骤61,设字符边缘上的任意一点的特征向量的一个分量Pij=(lij,θij),lij∈[0,L],θij∈[0,2π],将区间[0,L]分为u个等份,将区间[0,2π]分为v个等份,形成一区块矩阵,根据lij和θij的值,将任一点的特征向量里的每一个分量都投影到该区块矩阵中;
步骤62,规定T的分量tij为特征分量Pij投影到第i行、第j个块中特征分量的个数,则任一点的特征向量(P1k,P2k…PMk)均转化为大小为u×v的矩阵Ti;以及
步骤63,将每一字符所有特征表示为 其中每个分量Ti都是一个大小为u×v的矩阵。
优选的,该步骤2中图像预处理包括图像去噪、图像旋转纠偏和图像二值化。
优选的,该步骤3中字符切割具体是对二值化后的字符图像进行水平垂直投影,切割出每一个字符。
本发明提出字符识别方法,字符的每一边缘点的特征都用该字符其他边缘点到该边缘点的距离表达,然后将每一字符的特征向量通过映射转换成维度相同的矩阵,最后再进行模板匹配识别,从整个字符保证了特征的全局性,扩大了不同字符间特征的差异,克服了原有特征提取方法在不同字符相似区域提取到的特征相似程度高的问题,从而提高了字符识别率。
附图说明
图1是本发明较佳实施例提供的字符识别方法流程图;
图2是本发明较佳实施例中待识别字符示例;
图3是本实施例中进行特征处理时用到的一个区块矩阵图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
结合图1和图2,本实施例以识别B和P两个局部相似的字符为例,说明本发明提出的字符识别方法,该字符识别方法包括:
步骤1:读入字符图像;如钞票冠字号区域图像;
步骤2:图像预处理,包括三个部分:图像去噪,图像旋转纠偏,图像二值化;
步骤3:字符切割,对二值化后的字符图像进行水平垂直投影,切割出每一个字符;
步骤4:边缘提取,运用边缘检测算子检测出图像的边缘点;
步骤5:特征提取,将每一个字符的每一个边缘点的特征都用该字符其他边缘点到该边缘点的距离表达,用特征向量(P1k,P2k…PMk)表示,因此每一字符的特征向量用矩阵表示;
本实施例中,字符B所有的特征可以表示成
字符P所有的特征可以表示成:
其中字符B的边缘点数为M个,字符P的边缘点数为N个。
步骤6:特征处理,将每一字符的每一边缘点的特征向量(P1k,P2k…PMk)映射到一个矩阵T中,使得所有字符的特征向量维度相同,其中
由于字符个体差异,所以不同字符边缘点的个数也是不完全相同的,这样按上面方法提取特征,可能会出现在特征向量维度不同的问题,如当M≠N时,(P21,P31…PM1),(P′21,P′31…P′N1)的维度不同,这样将不再适用现有的一些匹配算法进行识别。
为了解决这个问题,可以做一个映射:f:(P1k,P2k…PMk)→Tu×v
将点的特征(P1k,P2k…PMk)映射到一个矩阵中,其中
下面阐述矩阵T的分量tij如何计算:
由于Pij=(lij,θij),lij∈[0,L],θij∈[0,2π],将区间[0,L]分为u个等份,将区间[0,2π]分为v个等份,形成一个区块矩阵,如图3所示。对于字符边缘上的一个点的特征向量,如X1~(P21,P31…PM1)里面的一个分量P21=(l21,θ21),可以根据l21,θ21的值,将P21投影到图3里的一个块中,按这种规则,点X1的特征向量里每一个分量都可以投影到图3里的块中。
规定T的分量tij为特征分量Pij投影到第i行,第j个块中特征分量的个数。这样点X1特征(P21,P31…PM1)转化为一个类似如下形式大小为u×v的整数矩阵:
所以对于一个任何维度的特征(P1k,P2k…PMk),都可以将其映射到同一大小的矩阵T中。这样就可以解决原有特征向量维度不同的问题。按这种方式可以将一个字符所有特征表示为 其中每个分量Ti都是一个大小为u×v的矩阵。
步骤7:模板匹配;
如果待识别字符Θ的边缘中有X1,X2…XM共M个点,一个标准字符模板中有Y1,Y2…YN共N个点,点Xi与模板Δ中的点Yj的距离用如下算式计算:
记:Diπ(i)=minDij,表示模板Δ中的点Yπ(i)是点Xi的最佳匹配点;
那么待识别字符Θ到模板Δ的总距离为:
如果共有Γ个模板,则分别计算待识别字符Θ到所有模板的总距离,其中距离最小的为待识别的结果。
本实施例提出字符识别方法,字符的每一边缘点的特征都用该字符其他边缘点到该边缘点的距离表达,然后将每一字符的特征向量通过映射转换成维度相同的矩阵,最后再进行模板匹配识别,从整个字符保证了特征的全局性,扩大了不同字符间特征的差异,克服了原有特征提取方法在不同字符相似区域提取到的特征相似程度高的问题,从而提高了字符识别率。
惟以上所述仅为本发明的较佳实施例,非意欲局限本发明的专利保护范围,故举凡运用本发明说明书及图式内容所为的等效变化,均同理皆包含于本发明的权利保护范围内。
Claims (3)
1.一种字符识别方法,包括:
步骤1:读入字符图像;
步骤2:图像预处理;
步骤3:字符切割;
步骤4:边缘提取,运用边缘检测算子检测出字符的边缘点;
步骤5:特征提取,每一字符的每一边缘点的特征都用该字符其他边缘点到该边缘点的距离表达,用特征向量(P1k,P2k…PMk)表示,因此每一字符的特征向量用矩阵表示;
步骤6:特征处理,将特征向量(P1k,P2k…PMk)映射到一个矩阵T中,使得所有字符的特征向量维度相同,其中
步骤7:模板匹配,假设待识别字符Θ的边缘中有X1,X2…XM共M个点,一个标准字符模板Δ中有Y1,Y2…YN共N个点,点Xi与标准字符模板Δ中点Yj的距离用如下算式计算:
记:Diπ(i)=minDij,表示标准字符模板Δ中的点Yπ(i)是点Xi的最佳匹配点;
待识别字符Θ到标准字符模板Δ的总距离为:
如果共有Γ个标准字符模板,则分别计算待识别字符Θ到每一标准字符模板的总距离,总距离最小的为待识别的结果;
其中,所述步骤6中将特征向量(P1k,P2k…PMk)映射到一个矩阵T中的步骤具体包括:
步骤61,设字符边缘上的任意一点的特征向量的一个分量Pij=(lij,θij),lij∈[0,L],θij∈[0,2π],将区间[0,L]分为u个等份,将区间[0,2π]分为v个等份,形成一区块矩阵,根据lij和θij的值,将任一点的特征向量里的每一个分量都投影到该区块矩阵中;
步骤62,规定T的分量tij为特征分量Pij投影到第i行、第j个块中特征分量的个数,则任一点的特征向量(P1k,P2k…PMk)均转化为大小为u×v的整数矩阵Ti;以及
步骤63,将每一字符所有特征表示为 其中每个分量Ti都是一个大小为u×v的矩阵。
2.如权利要求1所述的字符识别方法,其特征在于,该步骤1中图像预处理包括三个部分:图像去噪、图像旋转纠偏和图像二值化。
3.如权利要求1所述的字符识别方法,其特征在于,该步骤2中字符切割具体是对二值化后的字符图像进行水平垂直投影,切割出每一个字符。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310012073.8A CN103049750B (zh) | 2013-01-11 | 2013-01-11 | 字符识别方法 |
PCT/CN2013/077968 WO2014107945A1 (zh) | 2013-01-11 | 2013-06-26 | 字符识别方法 |
EP13870535.5A EP2945096A4 (en) | 2013-01-11 | 2013-06-26 | CHARACTER RECOGNITION METHOD |
AU2013372618A AU2013372618B2 (en) | 2013-01-11 | 2013-06-26 | Character recognition method |
US14/759,256 US9519838B2 (en) | 2013-01-11 | 2013-06-26 | Character recognition method |
CL2015001952A CL2015001952A1 (es) | 2013-01-11 | 2015-07-09 | Procedimiento de reconocimiento de caracteres, que comprende lectura de una imagen de caracter, procesamiento de imagen, segmentacion de caracter, extraccion de borde, extraccion de caracteristicas de cada punto de borde de cada caracter mediante las distancias desde los puntos de borde de apoyo, procesamiento de caracteristicas, calculo de coincidencia de plantilla. |
ZA2015/05388A ZA201505388B (en) | 2013-01-11 | 2015-07-27 | Character recognition method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310012073.8A CN103049750B (zh) | 2013-01-11 | 2013-01-11 | 字符识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103049750A CN103049750A (zh) | 2013-04-17 |
CN103049750B true CN103049750B (zh) | 2016-06-15 |
Family
ID=48062382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310012073.8A Active CN103049750B (zh) | 2013-01-11 | 2013-01-11 | 字符识别方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9519838B2 (zh) |
EP (1) | EP2945096A4 (zh) |
CN (1) | CN103049750B (zh) |
AU (1) | AU2013372618B2 (zh) |
CL (1) | CL2015001952A1 (zh) |
WO (1) | WO2014107945A1 (zh) |
ZA (1) | ZA201505388B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049750B (zh) | 2013-01-11 | 2016-06-15 | 广州广电运通金融电子股份有限公司 | 字符识别方法 |
CN103456075B (zh) * | 2013-09-06 | 2015-11-25 | 广州广电运通金融电子股份有限公司 | 一种纸币处理方法及装置 |
CN103770483A (zh) * | 2013-12-31 | 2014-05-07 | 美声克(成都)科技有限公司 | 一种***制作方法及装置 |
CN104268541A (zh) * | 2014-09-15 | 2015-01-07 | 青岛高校信息产业有限公司 | 一种设备铭牌和能效标识的智能化图像识别方法 |
CN104217204B (zh) * | 2014-09-19 | 2018-04-10 | 中国科学技术大学 | 一种针对疏密不均的号码图像识别的方法及*** |
CN104616009B (zh) | 2015-02-13 | 2018-05-18 | 广州广电运通金融电子股份有限公司 | 一种字符切割识别方法 |
CN105139042A (zh) * | 2015-09-08 | 2015-12-09 | 携程计算机技术(上海)有限公司 | 图像识别方法及*** |
CN106290392A (zh) * | 2016-08-05 | 2017-01-04 | 宁波达尔机械科技有限公司 | 一种小微轴承表面凹痕缺陷在线检测方法及其*** |
CN106446898A (zh) * | 2016-09-14 | 2017-02-22 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像中文字信息的提取方法及装置 |
CN108171104B (zh) * | 2016-12-08 | 2022-05-10 | 腾讯科技(深圳)有限公司 | 一种文字检测方法及装置 |
CN106650735B (zh) * | 2016-12-30 | 2019-10-01 | 亿嘉和科技股份有限公司 | 一种led字符自动定位识别方法 |
CN108038427B (zh) * | 2017-11-29 | 2020-06-23 | 维沃移动通信有限公司 | 一种文字识别方法及移动终端 |
CN109313709A (zh) * | 2017-12-29 | 2019-02-05 | 深圳配天智能技术研究院有限公司 | 一种相似度的度量方法、装置及存储装置 |
CN108427954B (zh) * | 2018-03-19 | 2021-08-27 | 上海壹墨图文设计制作有限公司 | 一种标牌信息采集与识别*** |
CN109255368B (zh) * | 2018-08-07 | 2023-12-22 | 平安科技(深圳)有限公司 | 随机选取特征的方法、装置、电子设备及存储介质 |
CN110084752B (zh) * | 2019-05-06 | 2023-04-21 | 电子科技大学 | 一种基于边缘方向和k均值聚类的图像超分辨重建方法 |
CN112767426B (zh) * | 2021-01-07 | 2023-11-17 | 珠海格力电器股份有限公司 | 一种目标匹配方法、装置和机器人 |
CN114694162B (zh) * | 2022-05-31 | 2022-08-16 | 深圳航天信息有限公司 | 基于图像处理的***图像识别方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488182A (zh) * | 2008-12-24 | 2009-07-22 | 华南理工大学 | 一种用于手写汉字识别的图像特征提取方法 |
CN101561866A (zh) * | 2009-05-27 | 2009-10-21 | 上海交通大学 | 基于sift特征与灰度差值直方图特征的文字识别方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0855188A (ja) * | 1994-06-06 | 1996-02-27 | Toshiba Corp | 文字認識方式 |
US6876765B2 (en) * | 2000-03-30 | 2005-04-05 | Ricoh Company, Ltd. | Character recognition method and computer-readable storage medium |
US7174043B2 (en) * | 2003-02-25 | 2007-02-06 | Evernote Corp. | On-line handwriting recognizer |
CN101408933A (zh) * | 2008-05-21 | 2009-04-15 | 浙江师范大学 | 基于粗网格特征提取和bp神经网络的车牌字符识别方法 |
US8320674B2 (en) * | 2008-09-03 | 2012-11-27 | Sony Corporation | Text localization for image and video OCR |
US8391602B2 (en) * | 2010-04-08 | 2013-03-05 | University Of Calcutta | Character recognition |
CN102663377B (zh) | 2012-03-15 | 2014-08-27 | 华中科技大学 | 一种基于模板匹配的字符识别方法 |
CN102831416A (zh) * | 2012-08-15 | 2012-12-19 | 广州广电运通金融电子股份有限公司 | 一种字符识别方法及相关装置 |
CN102930636B (zh) | 2012-11-15 | 2014-10-22 | 广州广电运通金融电子股份有限公司 | 纸币号码识别装置和识别方法 |
CN103049750B (zh) * | 2013-01-11 | 2016-06-15 | 广州广电运通金融电子股份有限公司 | 字符识别方法 |
BR102014013800A8 (pt) | 2014-06-06 | 2018-09-11 | Localiza Rent A Car S A | sistema de autoatendimento com identificação automatizada do usuário |
US9691211B2 (en) | 2014-07-03 | 2017-06-27 | Seiko Epson Corporation | Image processing apparatus, image processing method, and program |
-
2013
- 2013-01-11 CN CN201310012073.8A patent/CN103049750B/zh active Active
- 2013-06-26 EP EP13870535.5A patent/EP2945096A4/en not_active Withdrawn
- 2013-06-26 AU AU2013372618A patent/AU2013372618B2/en not_active Ceased
- 2013-06-26 US US14/759,256 patent/US9519838B2/en active Active
- 2013-06-26 WO PCT/CN2013/077968 patent/WO2014107945A1/zh active Application Filing
-
2015
- 2015-07-09 CL CL2015001952A patent/CL2015001952A1/es unknown
- 2015-07-27 ZA ZA2015/05388A patent/ZA201505388B/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488182A (zh) * | 2008-12-24 | 2009-07-22 | 华南理工大学 | 一种用于手写汉字识别的图像特征提取方法 |
CN101561866A (zh) * | 2009-05-27 | 2009-10-21 | 上海交通大学 | 基于sift特征与灰度差值直方图特征的文字识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103049750A (zh) | 2013-04-17 |
AU2013372618A1 (en) | 2015-08-20 |
WO2014107945A1 (zh) | 2014-07-17 |
US9519838B2 (en) | 2016-12-13 |
US20150356372A1 (en) | 2015-12-10 |
ZA201505388B (en) | 2016-07-27 |
EP2945096A1 (en) | 2015-11-18 |
EP2945096A4 (en) | 2016-05-11 |
CL2015001952A1 (es) | 2015-10-02 |
AU2013372618B2 (en) | 2016-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103049750B (zh) | 字符识别方法 | |
CN109308476B (zh) | 票据信息处理方法、***及计算机可读存储介质 | |
CN104778470B (zh) | 基于组件树和霍夫森林的文字检测和识别方法 | |
US8467614B2 (en) | Method for processing optical character recognition (OCR) data, wherein the output comprises visually impaired character images | |
CN105930159A (zh) | 一种基于图像的界面代码生成的方法及*** | |
CN109685052A (zh) | 文本图像处理方法、装置、电子设备及计算机可读介质 | |
CN103544475A (zh) | 一种版面类型的识别方法及*** | |
CN104182750A (zh) | 一种在自然场景图像中基于极值连通域的中文检测方法 | |
CN105512611A (zh) | 一种表格图像检测识别方法 | |
CN102542268A (zh) | 用于视频中文本区域检测与定位的方法 | |
EP4138050A1 (en) | Table generating method and apparatus, electronic device, storage medium and product | |
CN112016605A (zh) | 一种基于边界框角点对齐和边界匹配的目标检测方法 | |
CN104463138A (zh) | 基于视觉结构属性的文本定位方法及*** | |
CN105930873A (zh) | 一种基于子空间的自步跨模态匹配方法 | |
CN104751148A (zh) | 一种版式文件中识别科学公式的方法 | |
CN104050483A (zh) | 一种基于局部正交对齐的特征降维方法 | |
CN112241730A (zh) | 一种基于机器学习的表格提取方法和*** | |
CN104834891A (zh) | 一种中文图像型垃圾邮件过滤方法及*** | |
Lin et al. | Learning contour-fragment-based shape model with and-or tree representation | |
CN114092948A (zh) | 一种票据识别方法、装置、设备以及存储介质 | |
CN111159411B (zh) | 一种融合知识图谱的文本立场分析方法、***及存储介质 | |
CN104881641A (zh) | 基于移动设备的问卷和表格数字化识别方法及*** | |
KR20180126352A (ko) | 이미지로부터 텍스트 추출을 위한 딥러닝 기반 인식장치 | |
WO2020135326A1 (zh) | 一种基于图片的方向标注方法及装置 | |
CN104008095A (zh) | 一种基于语义特征提取与匹配的物体识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |