CN110070081A - 自动信息录入方法、装置、存储介质及电子设备 - Google Patents
自动信息录入方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110070081A CN110070081A CN201910189500.7A CN201910189500A CN110070081A CN 110070081 A CN110070081 A CN 110070081A CN 201910189500 A CN201910189500 A CN 201910189500A CN 110070081 A CN110070081 A CN 110070081A
- Authority
- CN
- China
- Prior art keywords
- scan image
- information
- image
- text
- target
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Character Input (AREA)
Abstract
本公开是关于一种自动信息录入方法、装置、存储介质及电子设备,属于机器学习应用技术领域,该方法包括:接收到对预设类型的文档的目标信息录入指令,获取所述文档的扫描图像后,识别所述扫描图像的清晰度类别;当所述清晰度类别为可识别,将所述文档类型数据、文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;根据所述位置信息从该位置的部分区域图像后,识别出部分图像中文本;将所述文本录入目标位置。本公开通过训练机器学习模型,实现自动、准确定位录入文件的扫描图像目标录入信息,有效提高了文件目标信息录入的效率和准确率,同时有效降低人力成本的浪费。
Description
技术领域
本公开涉及机器学习应用技术领域,具体而言,涉及一种自动信息录入方法、装置、存储介质及电子设备。
背景技术
一般地,信息录入是从包含很多信息的信息集,例如文件等,从中寻找到目标信息后,将目标信息提取出来录入到指定的位置。
目前,传统银行业等企业中,企业客户在开户等各种操作时会填写表格、文件等信息且提供各种企业证件信息,柜员先进行开户操作,再将所有信息扫描到***中,由专门的录入人员集中根据扫描图片进行人工识别录入到***中,这样耗时耗力,而且不同的业务类型、不同的表单类型,需要从中获取的信息不同,人工查找效率低,人力成本高、出错率高。同时目前没有一种在银行等企业,根据业务类型、不同的表单类型自动准确查找需要信息、录入信息的方法。
因此,需要一种新的自动信息录入方法、装置、存储介质及电子设备。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种自动信息录入方案,进而至少在一定程度上在降低人力成本、减少劳动强度的情况下,自动、准确以及高效的自动定位获取目标信息,录入到目标位置。
根据本公开的一个方面,提供一种自动信息录入方法,包括:
当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;
识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;
当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;
根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;
将所述区域图像中文字转换得到的文本录入目标录入位置。
在本公开的一种示例性实施方式中,所述当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像之后,所述方法还包括:
识别出文档的扫描图像中左上角、左下角、右上角、右下角的文字位置;
在识别出的四个位置截取包含所有文字的文档图像,作为输入预先训练好的机器学习模型的扫描图像数据的源图像。
在本公开的一种示例性实施方式中,所述识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别,包括:
根据所述扫描图像的所述预设类型,在数据库中查找所述预设类型对应的标准扫描图像;
用所述扫描图像的像素的像素值减去所述标准扫描图像的像素值,得到像素值的差值;
若所述差值为正,则该扫描图像的清晰度为可识别;
若所述差值为负,则该扫描图像的清晰度为不可识别。
在本公开的一种示例性实施方式中,所述用所述扫描图像的像素的像素值减去所述标准扫描图像的像素值,得到像素值的差值,包括:
获取所述扫描图像的各像素点的像素值之和,作为第一像素值之和;
获取所述标准扫描图像的各像素点的像素值之和,作为第二像素值之和;
用所述第一像素值之和减去所述第二像素值之和,得到像素值的总差值,作为所述像素值的差值。
在本示例的一种实施方式中,扫描得到的图像为与数据库中预设类型的标准扫描图像的同样尺寸大小的图像,两幅图像都以左下角的像素点为原点,建立直角坐标系,图像中的每个像素点为一个坐标点;其特征在于,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别,包括:
将扫描得到的文档图像的各像素点的像素值减去数据库中预设类型的标准扫描图像的同样坐标的各像素点的像素值得到各个像素点的差值;
若所述正的差值的数目超过预定阈值判断图像清晰度为可识别;
若所述负的差值的数目超过预定阈值判断图像清晰度为不可识别。
在本公开的一种示例性实施方式中,根据所述部分区域图像对应的位置信息设定与所述位置信息相关联的占位符,所述占位符设置在目标录入位置处,其特征在于,所述将所述区域图像中文字转换得到的文本录入目标录入位置,包括:
根据所述部分区域图像对应的位置信息查找与所述位置信息相关联的占位符;
用所述区域图像中文字转换得到的文本替换所述与所述位置信息相关联的占位符,以将所述文本录入目标录入位置。
在本公开的一种示例性实施方式中,所述机器学习模型的训练方法是:
收集文档类型数据、文档的扫描图像数据以及目标信息数据样本组集,每个所述样本组事先标定了目标信息在扫描图像中的位置信息。
将所述文档类型数据、文档的扫描图像数据以及目标信息数据样本组分别输入机器学习模型,得到每个样本组中文档类型的扫描图像中,目标信息在图像中的位置信息;
如果有样本组由机器学习模型输出的目标信息在扫描图像中的位置信息,与对样本组事先标定的该位置信息不一致,则调整机器学习模型的系数,直到输出的目标信息在图像中的位置信息与对所有样本组事先标定的一致,训练结束。
在本公开的一种示例性实施方式中,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别之后,其特征在于,所述方法还包括:
若所述扫描图像的清晰度类别为可识别,识别所述扫描图像中的文字,以将所述扫描图像中文字转换为文本;
利用目标信息专用模板从所述文本中匹配到所述目标信息;
查找与所述目标信息相关联的目标位置;
将所述目标信息保存到所述目标位置。
本示例实施方式中,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别之后,其特征在于,所述方法还包括:
若所述扫描图像的清晰度类别为可识别,识别所述扫描图像中的文字,以将所述扫描图像中文字转换为文本;
利用目标信息专用模板从所述文本中匹配到所述目标信息;
查找与所述目标信息相关联的目标位置;
将所述目标信息保存到所述目标位置。
根据本公开的一个方面,提供一种自动信息录入装置,其特征在于,包括:
获取模块,当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;
识别模块,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;
判断模块,当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;
转换模块,根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;
录入模块,将所述区域图像中文字转换得到的文本录入目标录入位置。
根据本公开的一个方面,提供一种计算机可读存储介质,其上存储有自动信息录入程序,其特征在于,所述自动信息录入程序被处理器执行时实现权利要求1-7任一项所述的方法。
根据本公开的一个方面,提供一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的自动信息录入程序;其中,所述处理器配置为经由执行所述自动信息录入程序来执行权利要求1-7任一项所述的方法。
本公开一种自动信息录入方法及装置,
首先,当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;在需要录入一份文档中的目标信息时,获取该文档的扫描版本的图像,就可以利用各种电子设备进行传输、查看等,在后续步骤利用光学字符识别其上的文字;要利用光学字符识别来识别图像上的文字就需要扫描图像具有足够的清晰度可以准确的被识别,所以进行清晰度识别。
然后,当当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;文档中的内容通常很多,人工查找效率很低,但是这些用于办理业务的文档通常具有预定的版式,也就是通常需要录入的目标信息在固定的位置,利用扫描图像尺寸等图像信息、文档类型以及目标信息训练机器学习模型,就可以利用该机器学习模型准确的识别输出一种类型的文档中目标信息的位置信息后输出,在后续步骤中获取目标信息。
然后,根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;利用获取的目标信息的位置信息获取所述位置的部分区域图像,可以将所有文档中其它区域剔除,避免其它部分带来的识别干扰,同时提高识别效率和准确率。
最后,将所述部分区域图像中文字转换得到的文本录入目标录入位置;将不同的位置的文字,也就是目标信息录入与每个位置对应的目标位置对应的位置,可以准确的实现信息的录入。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出一种自动信息录入方法的流程图。
图2示意性示出一种自动信息录入方法的应用场景示例图。
图3示意性示出一种判断扫描图像的清晰度类别的方法流程图。
图4示意性示出一种自动信息录入装置的方框图。
图5示意性示出一种用于实现上述自动信息录入方法的电子设备示例框图。
图6示意性示出一种用于实现上述自动信息录入方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了自动信息录入方法,该自动信息录入方法可以运行于服务器,也可以运行于服务器集群或云服务器等,当然,本领域技术人员也可以根据需求在其他平台运行本发明的方法,本示例性实施例中对此不做特殊限定。参考图1所示,该自动信息录入方法可以包括以下步骤:
步骤S110.当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像。
步骤S120.识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别。
步骤S130.当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息。
步骤S140.根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本。
步骤S150.将所述区域图像中文字转换得到的文本录入目标录入位置。
上述自动信息录入方法中,首先,当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;在需要录入一份文档中的目标信息时,获取该文档的扫描版本的图像,就可以利用各种电子设备进行传输、查看等,在后续步骤利用光学字符识别其上的文字;要利用光学字符识别来识别图像上的文字就需要扫描图像具有足够的清晰度可以准确的被识别,所以进行清晰度识别。然后,当当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;文档中的内容通常很多,人工查找效率很低,但是这些用于办理业务的文档通常具有预定的版式,也就是通常需要录入的目标信息在固定的位置,利用扫描图像尺寸等图像信息、文档类型以及目标信息训练机器学习模型,就可以利用该机器学习模型准确的识别输出一种类型的文档中目标信息的位置信息后输出,在后续步骤中获取目标信息。然后,根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;利用获取的目标信息的位置信息获取所述位置的部分区域图像,可以将所有文档中其它区域剔除,避免其它部分带来的识别干扰,同时提高识别效率和准确率。最后,将所述部分区域图像中文字转换得到的文本录入目标录入位置;将不同的位置的文字,也就是目标信息录入与每个位置对应的目标位置对应的位置,可以准确的实现信息的录入。
下面,将结合附图对本示例实施方式中上述自动信息录入方法中的各步骤进行详细的解释以及说明。
在步骤S110中.当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像。
在本示例的实施方式中,参考图2所示,服务器210接收到对预设类型的目标信息录入指令后,控制扫描设备220中将纸质文档扫描为扫描版本的图像,然后自动爬取到服务器210中;在一种示例中,服务器210也可以直接从其他服务器中获取提前扫描到的扫描图像;其中服务器201可以电脑、手机等各种具有处理功能的终端设备,在此不做特殊限定,扫描设备220可以手机、扫描机等各种具有扫描功能的设备,在此不做特殊限定。在需要录入一份文档中的目标信息时,获取该文档的扫描版本的图像,就可以利用各种电子设备进行传输、查看等,在后续步骤利用光学字符识别文档扫描图像上的文字。
在步骤S120中.识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别。
在本示例的实施方式中,要利用光学字符识别来识别图像上的文字就需要扫描图像具有足够的清晰度可以准确的被识别,所以在获取文档的扫描图像后,进行清晰度识别,如果清晰度足够就可以保证利用光学字符识别准确地识别出其中的文本,有效保证识别准确率。
在本示例的一种实施方式中,所述当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像之后,所述方法还包括:
识别出文档的扫描图像中左上角、左下角、右上角、右下角的文字位置;
在识别出的四个位置截取包含所有文字的文档图像,作为输入预先训练好的机器学习模型的扫描图像数据的源图像。
初始扫描得到的图像都是具有和文档所使用的标准大小的纸张成比例的图像,但是扫描过程中会不是出现一些意外的情况,导致文档不规则,通过利用图像识别来识别出图像中左上角、左下角、右上角、右下角的文字位置;利用识别出的四个位置截取包含所有文字的文档图像。就可以利用文档中左上角、左下角、右上角、右下角的文字的位置定位到包含所有文字的特定大小的尺寸的图像,进而在后续步骤准确获取到目标信息的位置。
在本示例的一种实施方式中,参考图3所示,所述识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别,包括:
步骤S310,根据所述扫描图像的所述预设类型,在数据库中查找所述预设类型对应的标准扫描图像;
步骤S320,用所述扫描图像的像素的像素值减去所述标准扫描图像的像素值,得到像素值的差值;
步骤S330,若所述差值为正,则该扫描图像的清晰度为可识别;
步骤S340,若所述差值为负,则该扫描图像的清晰度为不可识别。
数据库中预设类型对应的标准扫描图像是一种文档类型的图像经过工作实践和实验对比得出的可以保证利用光学字符识别具有最低可识别度的图像,其中该图像的像素可以表征最低识别度的像素大小。这样就可以利用扫描得到的文档的扫描图像与对应文档类型的最低可识别的扫描图像,也就是对应文档类型的标准扫描图像的像素值的差值进行清晰度判断,若所述差值为正,则该扫描图像的清晰度为可识别,若所述差值为负,说明扫描图像的像素比标准扫描图像的像素低,则该扫描图像的清晰度为不可识别;这样可以有效保证在下一步中利用光学字符识别的文字识别准确度,有效提高录入准确率和效率。
在本示例的一种实施方式中,用所述扫描图像的像素的像素值减去所述标准扫描图像的像素值,得到像素值的差值,包括:
获取所述扫描图像的各像素点的像素值之和,作为第一像素值之和;
获取所述标准扫描图像的各像素点的像素值之和,作为第二像素值之和;
用所述第一像素值之和减去所述第二像素值之和,得到像素值的总差值,作为所述像素值的差值。
利用两幅图像的总像素值的差值进行判断扫描图像的清晰度类别,可以从两幅图像的总像素的大小的角度进行整体上的比较,可以在一定程度上忽略细微变化的情况下,实现高效、准确的清晰度判断。
在本示例的一种实施方式中,扫描得到的图像为与数据库中预设类型的标准扫描图像的同样尺寸大小的图像,两幅图像都以左下角的像素点为原点,建立直角坐标系,图像中的每个像素点为一个坐标点;其特征在于,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别,包括:
将扫描得到的文档图像的各像素点的像素值减去数据库中预设类型的标准扫描图像的同样坐标的各像素点的像素值得到各个像素点的差值;
若所述正的差值的数目超过预定阈值判断图像清晰度为可识别;
若所述负的差值的数目超过预定阈值判断图像清晰度为不可识别。
以扫描图像的左下角的像素点为原点(0,0)建立直角坐标系,图像中的像素用直角坐标系中一个点代表,(0,1)代表横坐标为0、纵坐标为1的像素,(1,0)代表横坐标为1、纵坐标为0的像素,……(m,n)代表横坐标为m、纵坐标为n的像素,其中m和n为正整数;数据库中的图像同样表示,这样就可以通过坐标准确进行各个像素点的像素的对比。当所述差值为正的个数超过预定阈值判断图像清晰度为可识别,例如一共有100个像素,预定阈值为80,同时为正的差值有85个,则判断图像清晰度为可识别。
在步骤S130中.当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息。
在本示例的实施方式中,由于所述图像识别为可识别,就可以准确获取需要的信息,将目标信息获取相关要素,文档类型数据、文档的扫描图像数据以及目标信息数据,输入训练好的机器学习模型就可以自动、准确得到所述文档类型的扫描图像中对应于该类业务的目标信息在图像中的位置信息,所述位置信息可以是包含目标信息,而不含有其它信息的最小尺寸的图像区域的位置信息,进而可以准确获取到包含目标信息,而不含有其它信息的最小尺寸的图像区域,进而准确获取目标信息;这样可以有效提高识别准确率、识别效率,降低人力成本。
在本示例的一种实施方式中,所述机器学习模型的训练方法是:
收集文档类型数据、文档的扫描图像数据以及目标信息数据样本组集,每个所述样本组事先标定了目标信息在扫描图像中的位置信息。
将所述文档类型数据、文档的扫描图像数据以及目标信息数据样本组分别输入机器学习模型,得到每个样本组中文档类型的扫描图像中,目标信息在图像中的位置信息;
如果有样本组由机器学习模型输出的目标信息在扫描图像中的位置信息,与对样本组事先标定的该位置信息不一致,则调整机器学习模型的系数,直到输出的目标信息在图像中的位置信息与对所有样本组事先标定的一致,训练结束。
利用事先标定了一种文档类型的扫描图像中所述目标信息在扫描图像中的位置信息的文档类型数据、文档的扫描图像数据以及目标信息数据样本组,训练机器学习模型,每种类型中的文档的目标信息的文档图像中的位置和文档类型密切相关,也和扫描图像的原始尺寸以一定的比例相关,目标信息可以准确指引获取的目标信息与文档的关系,所以文档类型数据、文档的扫描图像数据以及目标信息数据样本组可以准确的训练机器学习模型。
在步骤S140中.根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本。
在本示例的实施方式中,现有的光学字符识别可以准确的识别出图像中的文字,通过获取目标位置的部分区域的图像,就可以只识别出该部分的图像中的文字。不仅方便获取,有可以有效避免其他信息的干扰。
在步骤S150中.将所述区域图像中文字转换得到的文本录入目标录入位置。
在本示例的实施方式中,通过光学字符识别得到目标信息后,将目标信息保存到目标信息对应的录入位置,所述对应的位置可以通过设置与目标信息关联的占位符进行确定。然后通过将目标信息替换与其相关联的占位符实现准确录入。
在本示例的一种实施方式中,所述将所述部分区域图像中文字转换得到的文本录入目标录入位置,包括:
获取所述部分区域图像中文字转换得到的文本对应的目标位置;
将所述转换得到的文本录入目标位置。
在本示例的一种实施方式中,根据所述部分区域图像对应的位置信息设定与所述位置信息相关联的占位符,所述占位符设置在目标录入位置处,其特征在于,所述将所述区域图像中文字转换得到的文本录入目标录入位置,包括:
根据所述部分区域图像对应的位置信息查找与所述位置信息相关联的占位符;
用所述区域图像中文字转换得到的文本替换所述与所述位置信息相关联的占位符,以将所述文本录入目标录入位置。
由于每种类型的文档的扫描图像中目标信息的位置是唯一固定的,所以根据所述部分区域图像的位置信息设定与所述位置信息相关联的占位符,所述占位符设置在目标位置处,就可以利用目标信息在扫描图像中的位置将目标位置准确的关联,然后有效提高信息录入的准确率。
本示例实施方式中,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别之后,其特征在于,所述方法还包括:
若所述扫描图像的清晰度类别为可识别,识别所述扫描图像中的文字,以将所述扫描图像中文字转换为文本;
利用目标信息专用模板从所述文本中匹配到所述目标信息;
查找与所述目标信息相关联的目标位置;
将所述目标信息保存到所述目标位置。
利用光学字符识别的方式识别扫描图像中的文字转换为文本,然后利用专用的目标信息匹配模板,例如,姓名+***+民族就可以实现准确的将文档中“姓名与民族”之间的内容实现匹配,然后查找与目标信息模板唯一关联的目标位置,就可以实现目标信息的准确录入。
本公开还提供了一种自动信息录入装置。参考图4所示,该自动信息录入装置可以包括获取模块410、识别模块420、判断模块430、转换模块440以及录入模块450。其中:
获取模块410,当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;
识别模块420,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;
判断模块430,当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;
转换模块440,根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;
录入模块450,将所述区域图像中文字转换得到的文本录入目标录入位置。
上述自动信息录入装置中各模块的具体细节已经在对应的自动信息录入方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同***组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1中所示的步骤S110:当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;S120:识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;步骤S130:当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;步骤S140:根据所述位置信息从所述扫描图像中,获取所述目位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;步骤S150:将所述区域图像中文字转换得到的文本录入目标录入位置。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得客户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到客户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种自动信息录入方法,其特征在于,包括:
当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;
识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;
当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;
根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;
将所述区域图像中文字转换得到的文本录入目标录入位置。
2.根据权利要求1所述的方法,其特征在于,所述当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像之后,所述方法还包括:
识别出文档的扫描图像中左上角、左下角、右上角、右下角的文字位置;
在识别出的四个位置截取包含所有文字的文档图像,作为输入预先训练好的机器学习模型的扫描图像数据的源图像。
3.根据权利要求1所述的方法,其特征在于,所述识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别,包括:
根据所述扫描图像的所述预设类型,在数据库中查找所述预设类型对应的标准扫描图像;
用所述扫描图像的像素的像素值减去所述标准扫描图像的像素值,得到像素值的差值;
若所述差值为正,则该扫描图像的清晰度为可识别;
若所述差值为负,则该扫描图像的清晰度为不可识别。
4.根据权利要求3所述的方法,其特征在于,所述用所述扫描图像的像素的像素值减去所述标准扫描图像的像素值,得到像素值的差值,包括:
获取所述扫描图像的各像素点的像素值之和,作为第一像素值之和;
获取所述标准扫描图像的各像素点的像素值之和,作为第二像素值之和;
用所述第一像素值之和减去所述第二像素值之和,得到像素值的总差值,作为所述像素值的差值。
5.根据权利要求1所述的方法,根据所述部分区域图像对应的位置信息设定与所述位置信息相关联的占位符,所述占位符设置在目标录入位置处,其特征在于,所述将所述区域图像中文字转换得到的文本录入目标录入位置,包括:
根据所述部分区域图像对应的位置信息查找与所述位置信息相关联的占位符;
用所述区域图像中文字转换得到的文本替换所述与所述位置信息相关联的占位符,以将所述文本录入目标录入位置。
6.根据权利要求1所述的方法,其特征在于,所述机器学习模型的训练方法是:
收集文档类型数据、文档的扫描图像数据以及目标信息数据样本组集,每个所述样本组事先标定了目标信息在扫描图像中的位置信息。
将所述文档类型数据、文档的扫描图像数据以及目标信息数据样本组分别输入机器学习模型,得到每个样本组中文档类型的扫描图像中,目标信息在图像中的位置信息;
如果有样本组由机器学习模型输出的目标信息在扫描图像中的位置信息,与对样本组事先标定的该位置信息不一致,则调整机器学习模型的系数,直到输出的目标信息在图像中的位置信息与对所有样本组事先标定的一致,训练结束。
7.根据权利要求1所述的方法,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别之后,其特征在于,所述方法还包括:
若所述扫描图像的清晰度类别为可识别,识别所述扫描图像中的文字,以将所述扫描图像中文字转换为文本;
利用目标信息专用模板从所述文本中匹配到所述目标信息;
查找与所述目标信息相关联的目标位置;
将所述目标信息保存到所述目标位置。
8.一种自动信息录入装置,其特征在于,包括:
获取模块,当接收到对预设类型的目标文档的目标信息录入指令,获取所述目标文档的扫描图像;
识别模块,识别所述扫描图像的清晰度类别,所述清晰度类别包括可识别和不可识别;
判断模块,当所述扫描图像清晰度类别为可识别,将所述目标文档的类型数据、所述目标文档的扫描图像数据以及目标信息数据一起输入预先训练好的机器学习模型,得到所述目标信息在所述扫描图像中的位置信息;
转换模块,根据所述位置信息从所述扫描图像中,获取所述位置信息对应的位置的区域图像后,利用光学字符识别的方式识别所述区域图像中的文字,以将所述区域图像中文字转换为文本;
录入模块,将所述区域图像中文字转换得到的文本录入目标录入位置。
9.一种计算机可读存储介质,其上存储有自动信息录入程序,其特征在于,所述自动信息录入程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的自动信息录入程序;其中,所述处理器配置为经由执行所述自动信息录入程序来执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910189500.7A CN110070081A (zh) | 2019-03-13 | 2019-03-13 | 自动信息录入方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910189500.7A CN110070081A (zh) | 2019-03-13 | 2019-03-13 | 自动信息录入方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110070081A true CN110070081A (zh) | 2019-07-30 |
Family
ID=67366175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910189500.7A Pending CN110070081A (zh) | 2019-03-13 | 2019-03-13 | 自动信息录入方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070081A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555410A (zh) * | 2019-09-04 | 2019-12-10 | 青岛大学 | 一种自动化纸件档案数字化方法 |
CN111311197A (zh) * | 2020-03-05 | 2020-06-19 | 中国工商银行股份有限公司 | 差旅数据处理方法及装置 |
CN111598122A (zh) * | 2020-04-01 | 2020-08-28 | 深圳壹账通智能科技有限公司 | 数据校验方法、装置、电子设备和存储介质 |
CN111768471A (zh) * | 2019-09-29 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 在图片中编辑文字的方法和装置 |
CN111832551A (zh) * | 2020-07-15 | 2020-10-27 | 网易有道信息技术(北京)有限公司 | 文本图像处理方法、装置、电子扫描设备和存储介质 |
CN112560411A (zh) * | 2020-12-21 | 2021-03-26 | 深圳供电局有限公司 | 一种人员信息智能录入方法及其*** |
CN113449196A (zh) * | 2021-07-16 | 2021-09-28 | 北京天眼查科技有限公司 | 信息生成方法及装置、电子设备和可读存储介质 |
CN114385849A (zh) * | 2022-03-24 | 2022-04-22 | 北京惠朗时代科技有限公司 | 一种差异显示方法、装置、设备及存储介质 |
WO2023182713A1 (ko) * | 2022-03-24 | 2023-09-28 | (주)인포플라 | 인공지능 기반으로 텍스트 및 비-텍스트 이미지를 포함하는 화면 정보를 인지하여 화면 상의 오브젝트에 이벤트를 발생시키는 방법 및 시스템 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976235A (zh) * | 2010-09-21 | 2011-02-16 | 天津神舟通用数据技术有限公司 | 基于动态网页的可扩展的Word报告自动生成方法 |
CN105335707A (zh) * | 2015-10-19 | 2016-02-17 | 广东欧珀移动通信有限公司 | 一种待识别指纹图像的获取方法、装置及移动终端 |
CN106650718A (zh) * | 2016-12-21 | 2017-05-10 | 远光软件股份有限公司 | 凭证图像识别方法及装置 |
CN108346106A (zh) * | 2018-02-23 | 2018-07-31 | 平安科技(深圳)有限公司 | 账单录入方法、***、光学字符识别服务器和存储介质 |
CN109308476A (zh) * | 2018-09-06 | 2019-02-05 | 邬国锐 | 票据信息处理方法、***及计算机可读存储介质 |
CN109344905A (zh) * | 2018-10-22 | 2019-02-15 | 王子蕴 | 一种基于集成学习的输电设备自动故障识别方法 |
-
2019
- 2019-03-13 CN CN201910189500.7A patent/CN110070081A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976235A (zh) * | 2010-09-21 | 2011-02-16 | 天津神舟通用数据技术有限公司 | 基于动态网页的可扩展的Word报告自动生成方法 |
CN105335707A (zh) * | 2015-10-19 | 2016-02-17 | 广东欧珀移动通信有限公司 | 一种待识别指纹图像的获取方法、装置及移动终端 |
CN106650718A (zh) * | 2016-12-21 | 2017-05-10 | 远光软件股份有限公司 | 凭证图像识别方法及装置 |
CN108346106A (zh) * | 2018-02-23 | 2018-07-31 | 平安科技(深圳)有限公司 | 账单录入方法、***、光学字符识别服务器和存储介质 |
CN109308476A (zh) * | 2018-09-06 | 2019-02-05 | 邬国锐 | 票据信息处理方法、***及计算机可读存储介质 |
CN109344905A (zh) * | 2018-10-22 | 2019-02-15 | 王子蕴 | 一种基于集成学习的输电设备自动故障识别方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555410A (zh) * | 2019-09-04 | 2019-12-10 | 青岛大学 | 一种自动化纸件档案数字化方法 |
CN110555410B (zh) * | 2019-09-04 | 2021-11-02 | 青岛大学 | 一种自动化纸件档案数字化方法 |
CN111768471A (zh) * | 2019-09-29 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 在图片中编辑文字的方法和装置 |
CN111311197A (zh) * | 2020-03-05 | 2020-06-19 | 中国工商银行股份有限公司 | 差旅数据处理方法及装置 |
CN111598122A (zh) * | 2020-04-01 | 2020-08-28 | 深圳壹账通智能科技有限公司 | 数据校验方法、装置、电子设备和存储介质 |
CN111832551A (zh) * | 2020-07-15 | 2020-10-27 | 网易有道信息技术(北京)有限公司 | 文本图像处理方法、装置、电子扫描设备和存储介质 |
CN112560411A (zh) * | 2020-12-21 | 2021-03-26 | 深圳供电局有限公司 | 一种人员信息智能录入方法及其*** |
CN113449196A (zh) * | 2021-07-16 | 2021-09-28 | 北京天眼查科技有限公司 | 信息生成方法及装置、电子设备和可读存储介质 |
CN113449196B (zh) * | 2021-07-16 | 2024-04-19 | 北京金堤科技有限公司 | 信息生成方法及装置、电子设备和可读存储介质 |
CN114385849A (zh) * | 2022-03-24 | 2022-04-22 | 北京惠朗时代科技有限公司 | 一种差异显示方法、装置、设备及存储介质 |
WO2023182713A1 (ko) * | 2022-03-24 | 2023-09-28 | (주)인포플라 | 인공지능 기반으로 텍스트 및 비-텍스트 이미지를 포함하는 화면 정보를 인지하여 화면 상의 오브젝트에 이벤트를 발생시키는 방법 및 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070081A (zh) | 自动信息录入方法、装置、存储介质及电子设备 | |
US10878372B2 (en) | Method, system and device for association of commodities and price tags | |
CN109344804A (zh) | 一种激光点云数据的识别方法、装置、设备和介质 | |
CN107454964A (zh) | 一种商品识别方法和装置 | |
CN110110320A (zh) | 自动合同审查方法、装置、介质以及电子设备 | |
US11170214B2 (en) | Method and system for leveraging OCR and machine learning to uncover reuse opportunities from collaboration boards | |
CN111400426B (zh) | 一种机器人位置部署方法、装置、设备和介质 | |
US20200294187A1 (en) | Ground truth generation from scanned documents | |
CN110619252A (zh) | 识别图片中表单数据的方法、装置、设备及存储介质 | |
CN110443317A (zh) | 一种纸档资料电子化的方法、装置和电子设备 | |
CN115205883A (zh) | 基于ocr和nlp的资料审核方法、装置、设备、存储介质 | |
CN112232354A (zh) | 一种文字识别方法、装置、设备及存储介质 | |
CN109388935B (zh) | 单证验证方法及装置、电子设备及可读存储介质 | |
CN114418124A (zh) | 生成图神经网络模型的方法、装置、设备及存储介质 | |
CN113313114A (zh) | 证件信息获取方法、装置、设备以及存储介质 | |
CN110764721A (zh) | 模板生成方法、装置、电子设备和计算机可读介质 | |
CN111723799A (zh) | 坐标定位方法、装置、设备及存储介质 | |
CN109009902A (zh) | 导盲杖及导盲方法 | |
US20230048495A1 (en) | Method and platform of generating document, electronic device and storage medium | |
CN110348436A (zh) | 对图像中的文本信息进行识别的方法及相关设备 | |
CN113592981B (zh) | 图片标注方法、装置、电子设备和存储介质 | |
CN114359931A (zh) | 一种快递面单识别方法、装置、计算机设备及存储介质 | |
CN112487774B (zh) | 书写表单电子化方法、装置及电子设备 | |
CN111291758B (zh) | 用于识别***文字的方法和装置 | |
CN115359505A (zh) | 一种电力图纸检测提取方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: 201, room 518000, building A, No. 1, front Bay Road, Qianhai Shenzhen Guangdong Shenzhen Hong Kong cooperation zone (Qianhai business secretary) Applicant after: Shenzhen one ledger Intelligent Technology Co., Ltd. Address before: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Shenzhen one ledger Intelligent Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |