CN113723158A - 文本结构化识别方法、装置、电子设备和计算机可读介质 - Google Patents
文本结构化识别方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113723158A CN113723158A CN202011507725.1A CN202011507725A CN113723158A CN 113723158 A CN113723158 A CN 113723158A CN 202011507725 A CN202011507725 A CN 202011507725A CN 113723158 A CN113723158 A CN 113723158A
- Authority
- CN
- China
- Prior art keywords
- target
- text
- optical character
- recognition
- character recognition
- 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
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Character Discrimination (AREA)
Abstract
本公开的实施例公开了文本结构化识别方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:对目标图像中的文本进行识别,得到目标文本信息;根据上述目标文本信息,确定上述目标图像对应的识别模板类别;根据上述识别模板类别对应的光学字符识别算法,对上述目标图像中的文本进行结构化识别,得到文本结构化识别结果。该实施方式实现了提高文本结构化识别的自动化的程度,降低人工成本,提高文本结构化识别的效率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及文本结构化识别方法、装置、电子设备和计算机可读介质。
背景技术
文本结构化识别,是一种对图片中的文本进行检测和识别,得到结构化文本的一种技术。目前,在对图片中的文本进行结构化识别时,通常采用的方式为:首先,人为确定图片的类型;然后,再根据确定的类型调用对应的光学字符识别算法获取最终的文本结构化识别结果。
然而,当采用上述方式进行文本结构化识别时,经常会存在如下技术问题:
需人为确定图片类型,在一定程度上降低了文本结构化识别的自动化的程度,增加了人工使用成本,降低了文本结构化识别的效率。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了文本结构化识别方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种文本结构化识别方法,该方法包括:对目标图像中的文本进行识别,得到目标文本信息;根据上述目标文本信息,确定上述目标图像对应的识别模板类别;根据上述识别模板类别对应的光学字符识别算法,对上述目标图像中的文本进行结构化识别,得到文本结构化识别结果。
可选的,在上述根据上述目标文本,确定上述目标图像对应的识别模板类别之前,上述方法还包括:确定上述目标图像的目标图像特征信息。
可选的,根据上述目标文本信息,确定上述目标图像对应的识别模板类别,包括:将上述目标文本信息和上述目标图像特征信息输入至目标光学字符识别分类器中,得到上述目标图像对应的识别模板类别。
可选的,在上述将上述目标文本信息和上述目标图像特征信息输入至目标光学字符识别分类器中,得到上述目标图像对应的识别模板类别之前,上述方法还包括:响应于内存中不存在上述目标光学字符识别分类器,获取上述目标光学字符识别分类器对应的目标格式文件;根据上述目标格式文件还原上述目标光学字符识别分类器;将上述目标光学字符识别分类器加载至内存中。
可选的,上述将上述目标光学字符识别分类器加载至内存中,包括:响应于确定内存中已加载的光学字符识别分类器的数目满足预设条件,删除内存中已加载的光学字符识别分类器中最早加载至内存中的光学字符识别分类器,以及将上述目标光学字符识别分类器加载至内存中。
可选的,上述目标光学字符识别分类器在训练完成后被转换为目标格式的文件进行存储。
可选的,上述目标光学字符识别分类器是通过以下步骤训练得到的:接收训练样本二元组集合,其中,上述训练样本二元组集合中的训练样本二元组包括:识别模板类别,样本图像集;对上述训练样本二元组集合中的每个样本图像进行文本提取以生成样本文本信息,得到样本文本信息集合;对上述训练样本二元组集合中的每个样本图像进行图像特征提取以生成图像特征信息,得到图像特征信息集合;利用上述训练样本二元组集合、上述样本文本信息集合和上述图像特征信息集合,对初始光学字符识别分类器进行训练,得到上述目标光学字符识别分类器。
可选的,上述目标光学字符识别分类器的训练过程是在容器中进行的。
第二方面,本公开的一些实施例提供了一种文本结构化识别装置,装置包括:第一识别单元,被配置成对目标图像中的文本进行识别,得到目标文本信息;确定单元,被配置成根据上述目标文本信息,确定上述目标图像对应的识别模板类别;第二识别单元,被配置成根据上述识别模板类别对应的光学字符识别算法,对上述目标图像中的文本进行结构化识别,得到文本结构化识别结果。
可选的,在上述根据上述目标文本信息,确定上述目标图像对应的识别模板类别之前,上述文本结构化识别装置还可以包括目标图像特征信息确定单元。其中,上述目标图像特征信息确定单元可以被配置成:确定上述目标图像的目标图像特征信息。
可选的,上述文本结构化识别装置的确定单元可以被配置成:将上述目标文本信息和上述目标图像特征信息输入至目标光学字符识别分类器中,得到上述目标图像对应的识别模板类别。
可选的,在上述将上述目标文本信息和上述目标图像特征信息输入至目标光学字符识别分类器中,得到上述目标图像对应的识别模板类别之前,上述文本结构化识别装置还可以包括加载单元。其中,上述加载单元可以被配置成:响应于内存中不存在上述目标光学字符识别分类器,获取上述目标光学字符识别分类器对应的目标格式文件;根据上述目标格式文件还原上述目标光学字符识别分类器;将上述目标光学字符识别分类器加载至内存中。
可选的,上述将上述目标光学字符识别分类器加载至内存中,包括:响应于确定内存中已加载的光学字符识别分类器的数目满足预设条件,删除内存中已加载的光学字符识别分类器中最早加载至内存中的光学字符识别分类器,以及将上述目标光学字符识别分类器加载至内存中。
可选的,上述目标光学字符识别分类器在训练完成后被转换为目标格式的文件进行存储。
可选的,上述目标光学字符识别分类器是通过以下步骤训练得到的:接收训练样本二元组集合,其中,上述训练样本二元组集合中的训练样本二元组包括:识别模板类别,样本图像集;对上述训练样本二元组集合中的每个样本图像进行文本提取以生成样本文本信息,得到样本文本信息集合;对上述训练样本二元组集合中的每个样本图像进行图像特征提取以生成图像特征信息,得到图像特征信息集合;利用上述训练样本二元组集合、上述样本文本信息集合和上述图像特征信息集合,对初始光学字符识别分类器进行训练,得到上述目标光学字符识别分类器。
可选的,上述目标光学字符识别分类器的训练过程是在容器中进行的。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的文本结构化识别方法,在一定程度上提高了文本结构化识别的自动化程度,减少了人工成本,提高了文本结构化识别的效率。具体来说,造成文本结构化识别的自动化较低、人工成本较高以及文本结构化识别效率较低的原因在于:需要人为确定图片的类型。基于此,本公开的一些实施例的文本结构化识别方法根据从目标图像中识别出的目标文本,确定目标图像对应的识别模板类别。从而避免了通过人行方式确定图片类型,实现了对不同类型的图片的自动分类,省去了人工分类成本,进一步实现图片的自动分类。进而,根据分类结果对目标图像中的文本进行结构化识别。可以降低人工成本,在一定程度上提高文本结构化识别的效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的文本结构化识别方法的一个应用场景的示意图;
图2是根据本公开的文本结构化识别方法的一些实施例的流程图;
图3是根据本公开的文本结构化识别方法的一些实施例中对目标图像中的文本进行识别的过程的示意图;
图4是根据本公开的文本结构化识别方法的一些实施例中对目标图像中的文本进行结构化识别的过程的示意图;
图5是根据本公开的文本结构化识别方法的另一些实施例的流程图;
图6是根据本公开的文本结构化识别方法的另一些实施例中对目标图像中的文本进行结构化识别的过程的示意图;
图7是根据本公开的文本结构化识别装置的一些实施例的结构示意图;
图8是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的文本结构化识别方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以对目标图像102中的文本进行识别,得到目标文本103。然后,计算设备101可以根据上述目标文本103,确定上述目标图像102对应的识别模板类别104。最后,计算设备101可以根据上述识别模板类别104对应的光学字符识别算法105,对上述目标图像102中的文本进行结构化识别,得到文本结构化识别结果106。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的文本结构化识别方法的一些实施例的流程200。该文本结构化识别方法,包括以下步骤:
步骤201,对目标图像中的文本进行识别,得到目标文本信息。
一些实施例中,文本结构化识别方法的执行主体(如图1所示的计算设备101)可以对目标图像中的文本进行识别,得到目标文本信息。其中,上述目标图像可以是各类证件的图像。例如,身份证正面图像、身份证背面图像、港澳通行证图像和机动车驾驶证图像等。上述目标图像还可以是各类票据的图像。例如,增值税***图像、定额***图像、出租车票图像和火车票图像等。上述目标文本信息可以指上述目标图像中所包含的文本。可以通过光学字符识别算法对目标图像中的文本进行识别,从而得到目标文本。上述光学字符识别算法是一种将图像中的文本转换为计算机可以直接处理的数据格式的算法。上述光学字符识别算法可以通过CNN(Convolutional Neural Networks,卷积神经网络)模型、RNN(Recurrent Neural Network,循环神经网络)模型或DNN(Deep Neural Networks,深度神经网络)模型等来实现。
作为示例,参考图3,上述目标图像可以是身份证正面图像301,则可以通过光学字符识别算法对上述身份证正面图像301中的文本进行识别,得到上述身份证正面图像301中的文本302“姓名王**性别男民族汉出生2020年12月12日住址**省**市**区**路**号院**号楼**单元**号公民身身份证号码******20201212****”。
步骤202,根据目标文本信息,确定目标图像对应的识别模板类别。
在一些实施例中,上述执行主体可以根据上述目标文本信息,确定上述目标图像对应的识别模板类别。其中,上述识别模板类别可以是用于对的上述目标图像中的文本进行结构化识别的识别模板的类别。上述识别模板可以是预先针对需要识别的图片版式,利用一张模板图片,通过框选参照字段和识别区,并建立图片中文字的字段名称与识别区内容的对应关系,进而生成的识别模版,从而实现对相同版式的不同图片中文本的结构化识别。参照字段可以指相同版式的不同图片中位置和内容固定不变的字段,例如,身份证正面图片中的姓名、性别和民族等字段。参照字段可被预先框选作为图片的锚点,进而用于对后续需要进行文本结构化识别的图片进行模板匹配和矫正。识别区可以指图片中需要进行识别的字段所在的区域,可通过预先框选及命名构建[字段名称:识别区内容]的Key:Value对应关系,用于对相同版式的图片中相同位置的内容进行结构化识别。不同类别的图片应该对应于不同的识别模板。可以预先创建针对不同图片版式创建对应的识别模板。
作为示例,可以将参照字段全部包含于上述目标文本中的识别模板的类别确定为上述目标图像对应的识别模板类别。上述目标图像可以是身份证正面图像。类别为“身份证正面”或“id_card_front”的识别模板的参照字段可以是[姓名,性别,民族,出生,住址,公民身份证号码]。类别为“身份证背面”或“id_card_back”的识别模板的参照字段可以是[中华人民共和国居民身份证,签发机关,有效期限]。则可以确定上述目标文本“姓名王**性别男民族汉出生2020年12月12日住址**省**市**区**路**号院**号楼**单元**号公民身身份证号码******20201212****”中包括上述类别为“身份证正面”或“id_card_front”的识别模板的所有参照字段。可以将“身份证正面”或“id_card_front”作为上述目标图像对应的识别模板类别。
步骤203,根据识别模板类别对应的光学字符识别算法,对目标图像中的文本进行结构化识别,得到文本结构化识别结果。
在一些实施例中,上述执行主体可以根据上述识别模板类别对应的光学字符识别算法,对上述目标图像中的文本进行结构化识别,得到文本结构化识别结果。上述识别模板类别对应的光学字符识别算法可以仅对上述识别模板类别表征的识别模板中框选的识别区中的文本进行识别,并通过预先框选及命名构建的Key:Value对应关系[字段名称:识别区内容]将识别内容以及上述目标图像对应的识别模板类别输出为文本结构化识别结果。
作为示例,参考图4,可以根据识别模板类别“身份证正面”对应的光学字符识别算法401,对上述身份证正面图像301中的文本进行结构化识别,得到文本结构化识别结果402“{[身份证正面],[姓名:王**],[性别:男],[民族:汉],[出生:2020年12月12日],[住址:**省**市**区**路**号院**号楼**单元**号],[公民身身份证号码:******20201212****]}”。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的文本结构化识别方法,在一定程度上提高了文本结构化识别的自动化程度,减少了人工成本,提高了文本结构化识别的效率。具体来说,造成文本结构化识别的自动化较低、人工成本较高以及文本结构化识别效率较低的原因在于:需要人为确定图片的类型。基于此,本公开的一些实施例的文本结构化识别方法根据从目标图像中识别出的目标文本,确定目标图像对应的识别模板类别。从而避免了通过人行方式确定图片类型,实现了对不同类型的图片的自动分类,省去了人工分类成本,进一步实现图片的自动分类。进而,根据分类结果对目标图像中的文本进行结构化识别。可以降低人工成本,在一定程度上提高文本结构化识别的效率。
进一步参考图5,其示出了文本结构化识别方法的另一些实施例的流程500。该文本结构化识别方法的流程500,包括以下步骤:
步骤501,对目标图像中的文本进行识别,得到目标文本信息。
在一些实施例中,上述执行主体可以对目标图像中的文本进行识别,得到目标文本信息。其中,上述目标文本信息可以包括:目标文本,位置信息。上述位置信息可以表示上述目标文本在目标图像中的位置。上述位置信息可以是上述目标文本的外接矩形框的角点坐标。可以通过光学字符识别算法对目标图像中的文本信息进行识别,从而得到目标文本信息。
步骤502,响应于内存中不存在目标光学字符识别分类器,获取目标光学字符识别分类器对应的目标格式文件。
在一些实施例中,上述执行主体可以响应于内存中不存在上述目标光学字符识别分类器,通过有线连接或无线连接的方式获取上述目标光学字符识别分类器对应的目标格式文件。上述目标光学字符识别分类器可以用于确定上述目标图像与识别模板类别之间的对应关系。从而对不同版式的图片进行自动分类,节约人工分类成本。上述目标光学字符识别分类器可以是预先设置的映射表。上述目标光学字符识别分类器还可以是预先训练的图片分类模型。
在一些实施例的一些可选的实现方式中,上述目标光学字符识别分类器在训练完成后被转换为目标格式的文件进行存储。其中,上述目标格式的文件可以用于恢复上述目标光学字符识别分类器的计算图。上述计算图可以用于唯一确定目标光学字符识别分类器的计算逻辑。上述目标格式的文件可以是一种表示模型(例如,神经网络模型)结构的二进制文件,将计算图中的变量保存成为常量,便于调用。通过上述目标格式的文件可以实现目标光学字符识别分类器的创建与使用的解耦。若上述目标光学字符识别分类器是利用深度学习框架Tensorflow训练完成的,则上述目标光学字符识别分类器可以被存储为.pb(proto buffer,协议缓冲)文件,以供恢复计算图使用。同时,在将上述目标光学字符识别分类器保存为.pb文件时,上述目标光学字符识别分类器中的变量会被存储为固定值,进而使得上述目标光学字符识别分类器所占用的空间大大减小。
在一些实施例的一些可选的实现方式中,上述目标光学字符识别分类器可以是通过以下步骤训练得到的:
第一步,接收训练样本二元组集合。
上述训练样本二元组集合中的训练样本二元组可以包括:识别模板类别,样本图像集。一个识别模板类别对应于一个样本图像集。上述样本二元组集合中各个样本二元组中的识别模板类别可以是已被创建的识别模板的类别。上述样本二元组集合中各个样本二元组中的样本图像集中至少包括预设数量个不重复的样本图像,从而确保分类器训练结果的准确性。同一个训练样本二元组中的样本图像集中的每个样本图像的类别均相同,且与该训练样本二元组中的识别模板类别相对应。例如,训练样本二元组中识别模板类别为“身份证正面”或“id_card_front”。“身份证正面”或“id_card_front”可表征识别模板类别为“身份证正面”,则训练样本二元组中的样本图像集中的每个样本图像都应该是身份证正面图像。
第二步,对上述训练样本二元组集合中的每个样本图像进行文本提取以生成样本文本信息,得到样本文本信息集合。其中,可以通过光学字符识别算法对各个样本图像中的文本信息进行提取。
第三步,对上述训练样本二元组集合中的每个样本图像进行图像特征提取以生成图像特征信息,得到图像特征信息集合。其中,样本图像的图像特征信息可以包括但不限于以下至少一项:颜色特征信息,纹理特征信息,形状特征信息。
作为示例,可以通过各种方式生成样本图像的图像特征信息。例如,利用方向梯度直方图特征提取算法、高斯函数差分特征提取算法等对生成样本图像的图像特征信息。
第四步,利用上述训练样本二元组集合、上述样本文本信息集合和上述图像特征信息集合,对初始光学字符识别分类器进行训练,得到上述目标光学字符识别分类器。可以将上述训练样本二元组集合、上述样本文本信息集合和上述图像特征信息集合输入上述初始光学字符识别分类器,对上述初始光学字符识别分类器进行训练。上述初始光学字符识别分类器可以包括文本分类模型、图像分类模型以及分类层。上述文本分类模型可以用于根据上述样本文本信息集合中样本文本信息包括的目标文本和位置信息对样本图像进行分类。上述图像分类模型可以用于根据样本图像的图像特征信息对样本图像进行分类。上述初始文本分类模型可以是将通过TextCNN(Convolutional Neural Networks,卷积神经网络)模型,CharCNN(字符级卷积神经网络,Char Convolutional Neural Networks)模型或RCNN(区域卷积神经网络,Region Convolutional Neural Networks)模型等等。上述初始图像分类模型可以是VGG(Visual Geometry Group Network,视觉几何群网络)16模型,VGG19模型等模型。上述分类层可以用于对文本分类模型、图像分类模型的输出结果进行融合。
在一些实施例的一些可选的实现方式中,上述目标光学字符识别分类器的训练过程是在容器中进行的。其中,容器可以实现对资源和业务的隔离,便于对训练任务的管理。可以采用Docker或Kubernetes等容器化技术实现上述目标光学字符识别分类器的训练。
可选的,可以通过以下步骤在容器中训练上述目标光学字符识别分类器:
第一步,创建并启动容器。
第二步,在上述容器中对上述初始光学字符识别分类器进行训练。
第三步,响应于确定上述初始光学字符识别分类器的训练时长大于预估训练时长,停止上述容器,以及返回表征上述初始光学字符识别分类器训练失败的信息。
第四步,响应于确定上述初始光学字符识别分类器训练完成,停止上述容器,以及返回表征上述初始光学字符识别分类器训练成功的信息。
步骤503,根据目标格式文件还原目标光学字符识别分类器。
在一些实施例中,上述执行主体可以根据上述目标格式文件还原上述目标光学字符识别分类器。
作为示例,上述目标格式文件可以是.pb文件。则可以根据上述.pb文件还原上述目标光学字符识别分类器。
步骤504,将目标光学字符识别分类器加载至内存中。
在一些实施例中,上述执行主体可以将上述目标光学字符识别分类器加载至内存中。
在一些实施例的一些可选的实现方式中,上述执行主体将上述目标光学字符识别分类器加载至内存中,可以包括:响应于确定内存中已加载的光学字符识别分类器的数目满足预设条件,删除内存中已加载的光学字符识别分类器中最早加载至内存中的光学字符识别分类器,以及将上述目标光学字符识别分类器加载至内存中。其中,上述预设条件可以是已加载的光学字符识别分类器的数目与预设数目相同。上述预设数目可以是内存中能够加载的光学字符识别分类器的最大数目。上述预设数目可以是预先人为设置的。
在上述实现方式中,通过将目标光学字符识别分类器加载至内存以实现对图像进行自动分类的方式,可以在专有网络环境下部署应用,在无网、内网环境下识别各类证件、票据等敏感文件,数据无需上传至第三方服务器或云端。从而,保障数据的私密性,更适用于私有化部署的应用场景。
步骤505,确定目标图像的目标图像特征信息。
在一些实施例中,上述执行主体可以通过各种方式确定上述目标图像的目标图像特征信息。例如,利用方向梯度直方图特征提取算法、高斯函数差分特征提取算法等,确定上述目标图像的目标图像特征信息。
步骤506,将目标文本信息和目标图像特征信息输入至目标光学字符识别分类器中,得到目标图像对应的识别模板类别。
在一些实施例中,上述执行主体可以将上述目标文本信息和目标图像特征信息输入至目标光学字符识别分类器中,得到上述目标图像对应的识别模板类别。
作为示例,参考图6,上述目标文本可以是601“姓名王**性别男民族汉出生2020年12月12日住址**省**市**区**路**号院**号楼**单元**号公民身身份证号码******20201212****”,则可以将上述目标文本输601和上述目标图像特征信息602入至目标光学字符识别分类器603中,得到上述目标图像对应的识别模板类别604“身份证正面”。
步骤507,根据识别模板类别对应的光学字符识别算法,对目标图像中的文本进行结构化识别,得到文本结构化识别结果。
在一些实施例中,步骤406的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤203,在此不再赘述。
从图5中可以看出,与图2对应的一些实施例的描述相比,图5对应的一些实施例中的文本结构化识别法的流程500体现了对确定目标图像对应的识别模板类别步骤的扩展。由此,这些实施例描述的方案可以更加智能的确定目标图像对应的识别模板类别。从而实现更进一步的提高文本结构化识别的自动化的程度,降低人工使用成本,提高文本结构化识别的效率。同时,文本结构化识别过程中还考虑到目标图像的图像特征以及目标图像文本的位置信息,可以更为精准的确定目标图像的类别。
进一步参考图7,作为对上述各图所示方法的实现,本公开提供了一种文本结构化识别装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,一些实施例的文本结构化识别装置700包括:第一识别单元701、确定单元702和第二识别单元703。其中,第一识别单元701,被配置成对目标图像中的文本进行识别,得到目标文本信息。确定单元702,被配置成根据上述目标文本信息,确定上述目标图像对应的识别模板类别。第二识别单元703,被配置成根据上述识别模板类别对应的光学字符识别算法,对上述目标图像中的文本进行结构化识别,得到文本结构化识别结果。
在一些实施例的可选的实现方式中,在上述根据上述目标文本信息,确定上述目标图像对应的识别模板类别之前,上述文本结构化识别装置700还可以包括目标图像特征信息确定单元。其中,上述目标图像特征信息确定单元可以被配置成:确定上述目标图像的目标图像特征信息。
在一些实施例的可选的实现方式中,上述文本结构化识别装置700的确定单元702可以被进一步配置成:将上述目标文本信息和上述目标图像特征信息输入至目标光学字符识别分类器中,得到上述目标图像对应的识别模板类别。
在一些实施例的可选的实现方式中,在上述将上述目标文本信息和上述目标图像特征信息输入至目标光学字符识别分类器中,得到上述目标图像对应的识别模板类别之前,上述文本结构化识别装置700还可以包括加载单元。其中,上述加载单元可以被配置成:响应于内存中不存在上述目标光学字符识别分类器,获取上述目标光学字符识别分类器对应的目标格式文件;根据上述目标格式文件还原上述目标光学字符识别分类器;将上述目标光学字符识别分类器加载至内存中。
在一些实施例的可选的实现方式中,上述将上述目标光学字符识别分类器加载至内存中,包括:响应于确定内存中已加载的光学字符识别分类器的数目满足预设条件,删除内存中已加载的光学字符识别分类器中最早加载至内存中的光学字符识别分类器,以及将上述目标光学字符识别分类器加载至内存中。
在一些实施例的可选的实现方式中,上述目标光学字符识别分类器在训练完成后被转换为目标格式的文件进行存储。
在一些实施例的可选的实现方式中,上述目标光学字符识别分类器是通过以下步骤训练得到的:接收训练样本二元组集合,其中,上述训练样本二元组集合中的训练样本二元组包括:识别模板类别,样本图像集;对上述训练样本二元组集合中的每个样本图像进行文本提取以生成样本文本信息,得到样本文本信息集合;对上述训练样本二元组集合中的每个样本图像进行图像特征提取以生成图像特征信息,得到图像特征信息集合;利用上述训练样本二元组集合、上述样本文本信息集合和上述图像特征信息集合,对初始光学字符识别分类器进行训练,得到上述目标光学字符识别分类器。
在一些实施例的可选的实现方式中,上述目标光学字符识别分类器的训练过程是在容器中进行的。
可以理解的是,该装置700中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置700及其中包含的单元,在此不再赘述。
下面参考图8,其示出了适于用来实现本公开的一些实施例的电子设备(如图1所示的计算设备101)800的结构示意图。图7示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机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。而在本公开的一些实施例中,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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对目标图像中的文本进行识别,得到目标文本信息;根据上述目标文本信息,确定上述目标图像对应的识别模板类别;根据上述识别模板类别对应的光学字符识别算法,对上述目标图像中的文本进行结构化识别,得到文本结构化识别结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一识别单元、确定单元和第二识别单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一识别单元还可以被描述为“对目标图像中的文本进行识别,得到目标文本信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种文本结构化识别方法,包括:
对目标图像中的文本进行识别,得到目标文本信息;
根据所述目标文本信息,确定所述目标图像对应的识别模板类别;
根据所述识别模板类别对应的光学字符识别算法,对所述目标图像中的文本进行结构化识别,得到文本结构化识别结果。
2.根据权利要求1所述的方法,其中,在所述根据所述目标文本信息,确定所述目标图像对应的识别模板类别之前,所述方法还包括:
确定所述目标图像的目标图像特征信息。
3.根据权利要求2所述的方法,其中,所述根据所述目标文本信息,确定所述目标图像对应的识别模板类别,包括:
将所述目标文本信息和所述目标图像特征信息输入至目标光学字符识别分类器中,得到所述目标图像对应的识别模板类别。
4.根据权利要求3所述的方法,其中,在所述将所述目标文本信息和所述目标图像特征信息输入至目标光学字符识别分类器中,得到所述目标图像对应的识别模板类别之前,所述方法还包括:
响应于内存中不存在所述目标光学字符识别分类器,获取所述目标光学字符识别分类器对应的目标格式文件;
根据所述目标格式文件还原所述目标光学字符识别分类器;
将所述目标光学字符识别分类器加载至内存中。
5.根据权利要求4所述的方法,其中,所述将所述目标光学字符识别分类器加载至内存中,包括:
响应于确定内存中已加载的光学字符识别分类器的数目满足预设条件,删除内存中已加载的光学字符识别分类器中最早加载至内存中的光学字符识别分类器,以及将所述目标光学字符识别分类器加载至内存中。
6.根据权利要求2所述的方法,其中,所述目标光学字符识别分类器在训练完成后被转换为目标格式的文件进行存储。
7.根据权利要求6所述的方法,其中,所述目标光学字符识别分类器是通过以下步骤训练得到的:
接收训练样本二元组集合,其中,所述训练样本二元组集合中的训练样本二元组包括:识别模板类别,样本图像集;
对所述训练样本二元组集合中的每个样本图像进行文本提取以生成样本文本信息,得到样本文本信息集合;
对所述训练样本二元组集合中的每个样本图像进行图像特征提取以生成图像特征信息,得到图像特征信息集合;
利用所述训练样本二元组集合、所述样本文本信息集合和所述图像特征信息集合,对初始光学字符识别分类器进行训练,得到所述目标光学字符识别分类器。
8.根据权利要求6所述的方法,其中,所述目标光学字符识别分类器的训练过程是在容器中进行的。
9.一种文本结构化识别装置,包括:
第一识别单元,被配置成对目标图像中的文本进行识别,得到目标文本信息;
确定单元,被配置成根据所述目标文本信息,确定所述目标图像对应的识别模板类别;
第二识别单元,被配置成根据所述识别模板类别对应的光学字符识别算法,对所述目标图像中的文本进行结构化识别,得到文本结构化识别结果。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011507725.1A CN113723158A (zh) | 2020-12-18 | 2020-12-18 | 文本结构化识别方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011507725.1A CN113723158A (zh) | 2020-12-18 | 2020-12-18 | 文本结构化识别方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113723158A true CN113723158A (zh) | 2021-11-30 |
Family
ID=78672406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011507725.1A Pending CN113723158A (zh) | 2020-12-18 | 2020-12-18 | 文本结构化识别方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723158A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114187605A (zh) * | 2021-12-13 | 2022-03-15 | 苏州方兴信息技术有限公司 | 一种数据集成方法、装置和可读存储介质 |
CN114913320A (zh) * | 2022-06-17 | 2022-08-16 | 支付宝(杭州)信息技术有限公司 | 基于模板的证件通用结构化方法和*** |
CN117669529A (zh) * | 2024-02-01 | 2024-03-08 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、设备以及介质 |
-
2020
- 2020-12-18 CN CN202011507725.1A patent/CN113723158A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114187605A (zh) * | 2021-12-13 | 2022-03-15 | 苏州方兴信息技术有限公司 | 一种数据集成方法、装置和可读存储介质 |
CN114913320A (zh) * | 2022-06-17 | 2022-08-16 | 支付宝(杭州)信息技术有限公司 | 基于模板的证件通用结构化方法和*** |
CN117669529A (zh) * | 2024-02-01 | 2024-03-08 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、设备以及介质 |
CN117669529B (zh) * | 2024-02-01 | 2024-04-30 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、设备以及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113723158A (zh) | 文本结构化识别方法、装置、电子设备和计算机可读介质 | |
CN108229341B (zh) | 分类方法和装置、电子设备、计算机存储介质 | |
CN111523640B (zh) | 神经网络模型的训练方法和装置 | |
EP3637310A1 (en) | Method and apparatus for generating vehicle damage information | |
CN112668588B (zh) | 车位信息生成方法、装置、设备和计算机可读介质 | |
CN108491866B (zh) | ***鉴定方法、电子装置及可读存储介质 | |
CN109344762B (zh) | 图像处理方法和装置 | |
CN109961032B (zh) | 用于生成分类模型的方法和装置 | |
CN111931859B (zh) | 一种多标签图像识别方法和装置 | |
CN109934142B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN110349161B (zh) | 图像分割方法、装置、电子设备、及存储介质 | |
CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
CN111209856B (zh) | ***信息的识别方法、装置、电子设备及存储介质 | |
CN108470179B (zh) | 用于检测对象的方法和装置 | |
CN116932919A (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
CN113408507B (zh) | 基于履历文件的命名实体识别方法、装置和电子设备 | |
CN112396060B (zh) | 基于身份证分割模型的身份证识别方法及其相关设备 | |
CN110851032A (zh) | 用于目标设备的显示样式调整方法和装置 | |
CN111368709A (zh) | 图片文本的识别方法、装置、设备及可读存储介质 | |
CN111047657A (zh) | 图片压缩方法、装置、介质及电子设备 | |
CN110717732A (zh) | 一种信息认证方法及*** | |
CN115587593A (zh) | 信息抽取方法、装置、电子设备和计算机可读介质 | |
CN110334763B (zh) | 模型数据文件生成、图像识别方法、装置、设备及介质 | |
CN112528970A (zh) | 路牌检测方法、装置、设备和计算机可读介质 | |
CN111797931A (zh) | 图像处理方法、图像处理网络训练方法、装置、设备 |
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 |