CN113269102A - 一种***信息识别方法、装置、计算机设备和存储介质 - Google Patents
一种***信息识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113269102A CN113269102A CN202110591916.9A CN202110591916A CN113269102A CN 113269102 A CN113269102 A CN 113269102A CN 202110591916 A CN202110591916 A CN 202110591916A CN 113269102 A CN113269102 A CN 113269102A
- Authority
- CN
- China
- Prior art keywords
- field
- seal
- information
- picture
- stamp
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/416—Extracting the logical structure, e.g. chapters, sections or page numbers; Identifying elements of the document, e.g. authors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种***信息识别方法、装置、计算机设备和存储介质。该方法包括:获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。使用本发明的技术方案,可以实现自动进行***信息的识别,从而提高***信息录入的效率和准确性。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种***信息识别方法、装置、计算机设备和存储介质。
背景技术
随着经济的快速稳定发展,生活、消费水平的大幅增长,各类带有***的票据业务数据急剧增加,对传统的信息录入方式带来了巨大的挑战。特别是在录入***信息时,通常存在背景杂乱、***倾斜、印色不均、边缘缺损等现象,并且***的形状和种类较多,对***信息的录入形成了极大的压力。
现有技术中通常由人工对***信息进行录入,但这种人工录入方式成本高、效率和准确率低。
发明内容
本发明实施例提供一种***信息识别方法、装置、计算机设备和存储介质,以实现自动进行***信息的识别,从而提高***信息录入的效率和准确性。
第一方面,本发明实施例提供了一种***信息识别方法,该方法包括:
获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;
获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;
对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
第二方面,本发明实施例还提供了一种***信息识别装置,该装置包括:
***图片获取模块,用于获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;
字段类型获取模块,用于获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;
文字信息识别模块,用于对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的***信息识别方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的***信息识别方法。
本发明实施例通过在文档图片中根据***的位置信息截取***图片,并在***图片中根据字段的位置信息截取字段图片,根据字段位置信息确定字段类型,对字段图片进行文字识别获取文字信息,将***的位置信息、字段类型和文字信息作为***信息。解决了现有技术中人工录入方式成本高、效率和准确率低的问题,实现了自动进行***信息的识别,从而提高了***信息录入的效率和准确性。
附图说明
图1是本发明实施例一中的一种***信息识别方法的流程图;
图2是本发明实施例二中的一种***信息识别方法的流程图;
图3是本发明实施例三中的一种***信息识别装置的结构示意图;
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种***信息识别方法的流程图,本实施例可适用于自动识别文档中的***信息的情况,该方法可以由***信息识别装置来执行,该装置可以由软件和/或硬件来实现,并一般集成在计算机设备中,与拍摄装置配合使用。
如图1所示,本发明实施例的技术方案,具体包括如下步骤:
S110、获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片。
其中,文档图片是对文档进行扫描、拍摄等操作后获取的图片,文档可以是票据、文件等,文档图片中包括***。由于***的形状可能不同,因此***的位置信息可以是***中心点或者***最小外接圆形中心点在文档图片中的像素坐标,也可以是***的顶点或者***最小外接矩形的顶点在文档图片中的像素坐标,本实施例对此不进行限制。
***图片是根据***的位置信息对文档图片进行裁剪后生成的图片,对文档图片进行裁剪生成***图片,一方面原因是文档中可能包含多个***,对其进行裁剪后可以分别进行***信息的识别,另一方面的原因是可以提高后续进行字段识别的准确率。
在本发明实施例中,在文档图片中识别***位置信息,并对文档图片进行裁剪得到***图片。
S120、获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型。
在本发明实施例中,字段可以包括中文、英文、拼音、数字等多种形式,本实施例对此不进行限制。字段图片是对***图片进行裁剪后生成的图片,对***图片进行字段识别,获取字段的位置信息,并根据字段的位置信息对***图片进行裁剪,获取字段图片。
字段类型可以是公司名称、编号、时间等,本实施例对此不进行限制,根据字段的位置信息确定字段类型,示例性的,可以根据字段的位置信息确定字段在***图片中的相对位置,并根据字段的相对位置确定字段类型。
S130、对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
在文档图片中截取得到***图片,在***图片中截取得到字段图片之后,对字段图片进行文字信息识别,确定字段图片对应的文字信息。示例性的,根据字段图片确定字段类型为编号时,对字段图片进行文字识别,确定文字信息为“AB1234”。获取上述信息之后,将文档图片中***的位置信息,***中字段对应的字段类型和文字信息作为***信息,并可以对***信息进行录入,从而实现了文档中***信息的自动识别和录入。
本实施例的技术方案,通过在文档图片中根据***的位置信息截取***图片,并在***图片中根据字段的位置信息截取字段图片,根据字段位置信息确定字段类型,对字段图片进行文字识别获取文字信息,将***的位置信息、字段类型和文字信息作为***信息。解决了现有技术中人工录入方式成本高、效率和准确率低的问题,实现了自动进行***信息的识别,从而提高了***信息录入的效率和准确性。
实施例二
图2是本发明实施例二提供的一种***信息识别方法的流程图,本发明实施例在上述实施例的基础上,对获取***位置信息的过程、获取字段位置信息的过程、获取文字信息的过程,以及判断字段类型的过程进行了进一步的具体化,并加入了将***信息进行录入的步骤。
相应的,如图2所示,本发明实施例的技术方案,具体包括如下步骤:
S210、获取文档图片。
S220、通过***检测模型,获取所述文档图片中***的位置信息。
其中,所述***检测模型为根据文本检测算法对神经网络模型进行训练得到。
在本发明实施例中,通过预先训练的***检测模型对文档图片进行***识别,输出标注***位置信息之后的文档图片。***检测模型是根据文本检测算法进行训练得到的,示例性的,文本检测算法可以是DB(Differentiable binarization,可微分二值化处理)算法,但本实施例对此不进行限制。
所述***检测模型的训练样本包括经过增强变化处理后的样本图片,所述样本图片中包括***;所述增强变化处理包括以下至少一项:旋转、背景颜色混合设置以及高斯噪声处理;所述***检测模型的训练样本包括多种类型的样本图片,各类型的样本图片对应不同的***类型。
在进行***检测模型训练之前,对训练样本中的部分或者全部样本图片进行增强变化处理,这样设置可以增强模型的泛化能力,提高模型检测***的准确性。同时,选择对应多种***类型的样本图片,可以使训练得到的***检测模型对各类型的***都能够适用。
示例性的,旋转可以是将样本图片顺时针或者逆时针旋转0-30度。背景颜色混合设置可以是将样本图片的背景颜色在RGB(Red Green Blue,红绿蓝)颜色空间进行颜色混合,但本实施例对采用的颜色混合算法不进行限制。高斯噪声是概率密度函数服从高斯分布(即正态分布)的一类噪声,高斯噪声处理是指对样本图片添加高斯噪声。
S230、根据***的位置信息获取***图片。
根据***的位置信息对文档图片进行裁剪得到***图片。
S240、通过字段检测模型,获取***图片中字段的位置信息。
其中,所述字段检测模型为根据文本检测算法对神经网络模型进行训练得到。
在本发明实施例中,通过预先训练的字段检测模型对***图片进行字段识别,输出标注字段位置信息之后的***图片。字段检测模型是根据文本检测算法进行训练得到的,示例性的,文本检测算法也可以是DB算法,但本实施例对此不进行限制。
S250、根据字段的位置信息获取字段图片。
根据字段的位置信息对***图片进行裁剪得到字段图片。
S260、根据字段的位置信息以及***的位置信息,确定字段与***的相对位置。
示例性的,可以根据***图片的尺寸确定***尺寸,当根据字段的位置信息和***的位置信息确定,字段到***中心点的距离小于预设距离,则可以认定为字段位于***的中心位置。当根据字段的位置信息和***的位置信息确定字段到***边缘的距离小于预设距离,则可以认定为字段位于***的边缘。预设距离可以根据***尺寸进行确定。
S270、根据相对位置以及相对位置与字段类型之间的映射关系,确定字段类型。
在本发明实施例中,预先存储有相对位置与字段类型之间的映射关系,示例性的,字段位于***的中心位置可以与编号的字段类型建立映射关系,字段位于***的边缘可以与公司名称建立映射关系,但本实施例对此不进行限制。
可选的,可以对不同的***类型设置不同的映射关系,***类型可以根据***检测模型确定。
在本发明实施例中,根据字段与***的相对位置确定字段类型,提升了***信息识别的速度,提高了***信息录入的效率。
S280、通过文字识别模型,获取字段图片对应的文字信息。
其中,所述文字识别模型是根据卷积循环神经网络算法对机器学习模型进行训练得到。
文字识别模型为通过CRNN(Convolutional Recurrent Neural Network,卷积循环神经网络)算法,根据多张标注文字信息之后的样本图片进行训练得到。
S290、将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
S2100、将所述***信息按照预设的数据格式进行录入。
在本发明实施例中,获取文档图片中***的位置信息、字段的字段类型以及文字信息之后,按照预设的数据格式录入***信息。示例性的,可以按照XML格式录入***信息,但本实施例对此不进行限制。
实施例三
图3是本发明实施例三中的一种***信息识别装置的结构示意图,如图3所示,该装置包括:***图片获取模块310、字段类型获取模块320以及文字信息识别模块330。其中:
***图片获取模块310,用于获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;
字段类型获取模块320,用于获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;
文字信息识别模块330,用于对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
本实施例的技术方案,通过在文档图片中根据***的位置信息截取***图片,并在***图片中根据字段的位置信息截取字段图片,根据字段位置信息确定字段类型,对字段图片进行文字识别获取文字信息,将***的位置信息、字段类型和文字信息作为***信息。解决了现有技术中人工录入方式成本高、效率和准确率低的问题,实现了自动进行***信息的识别,从而提高了***信息录入的效率和准确性。
在上述实施例的基础上,***图片获取模块310,包括:
***位置信息检测单元,用于通过***检测模型,获取所述文档图片中***的位置信息;
其中,所述***检测模型为根据文本检测算法对神经网络模型进行训练得到。
在上述实施例的基础上,所述***检测模型的训练样本包括经过增强变化处理后的样本图片,所述样本图片中包括***;
所述增强变化处理包括以下至少一项:旋转、背景颜色混合设置以及高斯噪声处理;
所述***检测模型的训练样本包括多种类型的样本图片,各类型的样本图片对应不同的***类型。
在上述实施例的基础上,字段类型获取模块320,包括:
字段位置信息检测单元,用于通过字段检测模型,获取***图片中字段的位置信息;
其中,所述字段检测模型为根据文本检测算法对神经网络模型进行训练得到。
在上述实施例的基础上,字段类型获取模块320,包括:
相对位置确定单元,用于根据字段的位置信息以及***的位置信息,确定字段与***的相对位置;
字段类型确定单元,用于根据相对位置以及相对位置与字段类型之间的映射关系,确定字段类型。
在上述实施例的基础上,文字信息识别模块330,包括:
文字信息获取单元,用于通过文字识别模型,获取字段图片对应的文字信息;
其中,所述文字识别模型是根据卷积循环神经网络算法对机器学习模型进行训练得到。
在上述实施例的基础上,所述装置,还包括:
***信息录入模块,用于将所述***信息按照预设的数据格式进行录入。
本发明实施例所提供的***信息识别装置可执行本发明任意实施例所提供的***信息识别方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图,如图4所示,该计算机设备包括处理器70、存储器71、输入装置72和输出装置73;计算机设备中处理器70的数量可以是一个或多个,图4中以一个处理器70为例;计算机设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器71作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的***信息识别方法对应的模块(例如,***信息识别装置中的***图片获取模块310、字段类型获取模块320以及文字信息识别模块330)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的***信息识别方法。该方法包括:
获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;
获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;
对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
存储器71可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器71可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器71可进一步包括相对于处理器70远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种***信息识别方法,该方法包括:
获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;
获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;
对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的***信息识别方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述***信息识别装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种***信息识别方法,其特征在于,包括:
获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;
获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;
对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
2.根据权利要求1所述的方法,其特征在于,获取所述文档图片中***的位置信息,包括:
通过***检测模型,获取所述文档图片中***的位置信息;
其中,所述***检测模型为根据文本检测算法对神经网络模型进行训练得到。
3.根据权利要求2所述的方法,其特征在于,所述***检测模型的训练样本包括经过增强变化处理后的样本图片,所述样本图片中包括***;
所述增强变化处理包括以下至少一项:旋转、背景颜色混合设置以及高斯噪声处理;
所述***检测模型的训练样本包括多种类型的样本图片,各类型的样本图片对应不同的***类型。
4.根据权利要求1所述的方法,其特征在于,所述获取***图片中字段的位置信息,包括:
通过字段检测模型,获取***图片中字段的位置信息;
其中,所述字段检测模型为根据文本检测算法对神经网络模型进行训练得到。
5.根据权利要求1所述的方法,其特征在于,根据字段的位置信息获取字段类型,包括:
根据字段的位置信息以及***的位置信息,确定字段与***的相对位置;
根据相对位置以及相对位置与字段类型之间的映射关系,确定字段类型。
6.根据权利要求1所述的方法,其特征在于,所述对字段图片进行文字识别,获取文字信息,包括:
通过文字识别模型,获取字段图片对应的文字信息;
其中,所述文字识别模型是根据卷积循环神经网络算法对机器学习模型进行训练得到。
7.根据权利要求1所述的方法,其特征在于,将***的位置信息、***中字段的文字信息以及字段类型作为***信息之后,还包括:
将所述***信息按照预设的数据格式进行录入。
8.一种***信息识别装置,其特征在于,包括:
***图片获取模块,用于获取文档图片以及所述文档图片中***的位置信息,并根据***的位置信息获取***图片;
字段类型获取模块,用于获取***图片中字段的位置信息,并根据字段的位置信息获取字段图片以及字段类型;
文字信息识别模块,用于对字段图片进行文字识别,获取文字信息,将***的位置信息、***中字段的字段类型以及文字信息作为***信息。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的***信息识别方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的***信息识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110591916.9A CN113269102A (zh) | 2021-05-28 | 2021-05-28 | 一种***信息识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110591916.9A CN113269102A (zh) | 2021-05-28 | 2021-05-28 | 一种***信息识别方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269102A true CN113269102A (zh) | 2021-08-17 |
Family
ID=77233338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110591916.9A Pending CN113269102A (zh) | 2021-05-28 | 2021-05-28 | 一种***信息识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269102A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610098A (zh) * | 2021-08-19 | 2021-11-05 | 创优数字科技(广东)有限公司 | 纳税号识别方法、装置、存储介质及计算机设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019174130A1 (zh) * | 2018-03-14 | 2019-09-19 | 平安科技(深圳)有限公司 | 票据识别方法、服务器及计算机可读存储介质 |
CN110728198A (zh) * | 2019-09-20 | 2020-01-24 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN110728277A (zh) * | 2019-09-27 | 2020-01-24 | 达而观信息科技(上海)有限公司 | 一种***智能检测与识别的方法 |
CN111476227A (zh) * | 2020-03-17 | 2020-07-31 | 平安科技(深圳)有限公司 | 基于ocr的目标字段识别方法、装置及存储介质 |
CN111767911A (zh) * | 2020-06-22 | 2020-10-13 | 平安科技(深圳)有限公司 | 面向复杂环境的***文字检测识别方法、装置及介质 |
CN112101386A (zh) * | 2020-09-25 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 文本检测方法、装置、计算机设备和存储介质 |
CN112149654A (zh) * | 2020-09-23 | 2020-12-29 | 四川长虹电器股份有限公司 | 基于深度学习的***文本信息识别方法 |
CN112487188A (zh) * | 2020-12-03 | 2021-03-12 | 中邮信息科技(北京)有限公司 | 一种舆情监测方法、装置、电子设备和存储介质 |
CN112699234A (zh) * | 2020-12-08 | 2021-04-23 | 上海深杳智能科技有限公司 | 一种通用文档识别方法、***、终端及存储介质 |
CN112818852A (zh) * | 2021-02-01 | 2021-05-18 | 上海眼控科技股份有限公司 | ***校验方法、装置、设备及存储介质 |
-
2021
- 2021-05-28 CN CN202110591916.9A patent/CN113269102A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019174130A1 (zh) * | 2018-03-14 | 2019-09-19 | 平安科技(深圳)有限公司 | 票据识别方法、服务器及计算机可读存储介质 |
CN110728198A (zh) * | 2019-09-20 | 2020-01-24 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN110728277A (zh) * | 2019-09-27 | 2020-01-24 | 达而观信息科技(上海)有限公司 | 一种***智能检测与识别的方法 |
CN111476227A (zh) * | 2020-03-17 | 2020-07-31 | 平安科技(深圳)有限公司 | 基于ocr的目标字段识别方法、装置及存储介质 |
CN111767911A (zh) * | 2020-06-22 | 2020-10-13 | 平安科技(深圳)有限公司 | 面向复杂环境的***文字检测识别方法、装置及介质 |
CN112149654A (zh) * | 2020-09-23 | 2020-12-29 | 四川长虹电器股份有限公司 | 基于深度学习的***文本信息识别方法 |
CN112101386A (zh) * | 2020-09-25 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 文本检测方法、装置、计算机设备和存储介质 |
CN112487188A (zh) * | 2020-12-03 | 2021-03-12 | 中邮信息科技(北京)有限公司 | 一种舆情监测方法、装置、电子设备和存储介质 |
CN112699234A (zh) * | 2020-12-08 | 2021-04-23 | 上海深杳智能科技有限公司 | 一种通用文档识别方法、***、终端及存储介质 |
CN112818852A (zh) * | 2021-02-01 | 2021-05-18 | 上海眼控科技股份有限公司 | ***校验方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
BARBORA MICENKOV´等: "Stamp Detection in Color Document Images", 《2011 INTERNATIONAL CONFERENCE ON DOCUMENT ANALYSIS AND RECOGNITION》, 3 November 2011 (2011-11-03), pages 1125 - 1129 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610098A (zh) * | 2021-08-19 | 2021-11-05 | 创优数字科技(广东)有限公司 | 纳税号识别方法、装置、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105719243B (zh) | 图像处理装置和方法 | |
CN110930296B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN111274957A (zh) | 网页页面验证码识别方法、装置、终端和计算机存储介质 | |
CN110298353B (zh) | 一种字符识别方法及*** | |
CN106202086B (zh) | 一种图片处理、获取方法、装置及*** | |
US20210326529A1 (en) | System language switching method, readable storage medium, terminal device, and apparatus | |
CN112381081A (zh) | 公章文字自动识别方法、装置、计算机设备及存储介质 | |
CN112396047B (zh) | 训练样本生成方法、装置、计算机设备和存储介质 | |
CN111950355A (zh) | ***识别方法、装置及电子设备 | |
CN111461070B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN114120307A (zh) | 显示内容的识别方法、装置、设备和存储介质 | |
CN116597466A (zh) | 一种基于改进YOLOv5s的工程图纸文字检测识别方法及*** | |
CN113269102A (zh) | 一种***信息识别方法、装置、计算机设备和存储介质 | |
CN111462098A (zh) | 待侦测物体阴影面积重叠的检测方法、装置、设备及介质 | |
CN114677319A (zh) | 干细胞分布确定方法、装置、电子设备及存储介质 | |
CN112861861A (zh) | 识别数码管文本的方法、装置及电子设备 | |
WO2023142438A1 (zh) | 终端的碎屏识别方法和相关设备 | |
CN114399623B (zh) | 一种通用答题识别方法、***、存储介质及计算设备 | |
CN113553865B (zh) | 信息显示方法、装置、电子设备及存储介质 | |
CN111209922B (zh) | 基于svm和opencv的图像色系风格标记方法、装置、设备及介质 | |
JP2012003358A (ja) | 背景判別装置、方法及びプログラム | |
CN114298932A (zh) | 一种文字增强处理方法、装置、设备及介质 | |
CN114387315A (zh) | 图像处理模型训练、图像处理方法、装置、设备及介质 | |
CN110956190A (zh) | 图像识别方法及装置、计算机装置和计算机可读存储介质 | |
CN116563674B (zh) | 样本图像增强方法、***、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |