CN114359935A - 一种模型训练以及表格识别方法及装置 - Google Patents
一种模型训练以及表格识别方法及装置 Download PDFInfo
- Publication number
- CN114359935A CN114359935A CN202111650415.XA CN202111650415A CN114359935A CN 114359935 A CN114359935 A CN 114359935A CN 202111650415 A CN202111650415 A CN 202111650415A CN 114359935 A CN114359935 A CN 114359935A
- Authority
- CN
- China
- Prior art keywords
- recognition
- image
- feature
- determining
- result
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本说明书公开了一种模型训练以及表格识别方法及装置,确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注,将该训练样本输入识别模型的特征提取层,确定该训练样本对应的图像特征金字塔,针对图像特征金字塔中的每张特征图,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与尺寸大于该特征图的其他特征图进行融合,将各特征图对应的融合结果作为输入,输入识别模型的识别层,得到该训练样本的识别结果。本方法基于不同尺寸的特征图进行融合,确定训练样本的识别结果,获取到的图像特征更加全面,在识别采集到的图像时可获取到丰富的信息量,效率较高。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种模型训练以及表格识别方法及装置。
背景技术
表格作为一种有效的数据组织与展现方法被广泛应用,也成为各类文档中常见的页面对象。随着文档数目的***性增长,如何高效地从文档中找到表格并获取内容与结构信息,即,表格识别,成为了一个亟待解决的问题。
在现有技术中,一种常见的表格识别方法是基于二值化实现的。具体的,可首先获取包含表格的图像,并对该图像进行二值化处理。然后,可将该二值化处理后的图像分别输入用于进行行分割的循环神经网络和用于进行列分割的循环神经网络,得到该图像对应的行分割结果和列分割结果。最后,基于该行分割结果和列分割结果,可确定出该包含表格的图像中各像素的语义分割结果,并基于该语义分割结果确定表格,其中,该语义分割结果包括是否为表格的边线或单元格的边线。
但是,现有技术可对扫描类的图像中的表格进行识别,但在对图像传感器采集到的图像进行识别时,由于采集到的图像中的表格通常包含扭曲、遮挡等情况,使得识别效果较差。
发明内容
本说明书提供一种模型训练以及表格识别方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种识别模型的训练方法,包括:
确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注;
将该训练样本作为输入,输入到待训练的识别模型的特征提取层,对该训练样本分别进行上采样和下采样,确定该训练样本对应的图像特征金字塔;
针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果;
根据各训练样本的识别结果及其标注,对所述识别模型进行训练。
可选地,所述识别结果包含多种类型;
根据各训练样本的识别结果及其标注,对所述识别模型进行训练,具体包括:
针对每个训练样本,根据预设的识别结果的类型和该训练样本的标注,确定该训练样本对应于各类型的标注;
根据各训练样本分别对应的所述各类型的识别结果和标注,确定损失,并根据所述损失调整所述识别模型的模型参数。
可选地,将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果,具体包括:
将各特征图对应的融合结果作为输入,输入所述识别模型的识别层的卷积子层,确定各特征图对应的相同尺寸的融合结果;
将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,得到该训练样本输出的识别结果。
可选地,针对所述图像特征金字塔中的每张特征图,将该特征图对应的重构编码进行上采样,与尺寸大于该特征图的尺寸一个层级的特征图进行融合,确定融合结果。
可选地,所述识别结果包含二十九种类型,所述组合层为二十九通道的卷积神经网络层,其中,五层用于语义分割,二十四层用于像素分类;
将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,得到该训练样本输出的识别结果,具体包括:
将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,确定该训练样本对应的融合特征;
根据预设的识别结果的类型和所述融合特征,得到预设的各通道输出的该训练样本的识别结果。
本说明书提供一种表格识别方法,包括:
确定包含表格的图像;
将所述图像作为输入,输入预先训练好的识别模型的特征提取层,对所述图像分别进行上采样和下采样,确定所述图像对应的图像特征金字塔;
针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的所述图像的识别结果,根据所述图像的识别结果,确定所述图像中表格的结构及位置。
本说明书提供一种识别模型的训练装置,包括:
样本确定模块,用于确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注;
采样模块,用于将该训练样本作为输入,输入到待训练的识别模型的特征提取层,对该训练样本分别进行上采样和下采样,确定该训练样本对应的图像特征金字塔;
融合模块,用于针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
识别模块,用于将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果;
训练模块,用于根据各训练样本的识别结果及其标注,对所述识别模型进行训练。
本说明书提供一种表格识别装置,包括:
第一确定模块,用于确定包含表格的图像;
第二确定模块,用于将所述图像作为输入,输入预先训练好的识别模型的特征提取层,对所述图像分别进行上采样和下采样,确定所述图像对应的图像特征金字塔;
融合模块,用于针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
第三确定模块,用于将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的所述图像的识别结果,根据所述图像的识别结果,确定所述图像中表格的结构及位置。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述识别模型的训练方法或表格识别方法中的任一项。
本说明书提供了一种电子设备,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上述识别模型的训练方法或表格识别方法中的任一项。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的识别模型的训练方法中,确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注,将该训练样本输入识别模型的特征提取层,确定该训练样本对应的图像特征金字塔,针对图像特征金字塔中的每张特征图,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与尺寸大于该特征图的其他特征图进行融合,将各特征图对应的融合结果作为输入,输入识别模型的识别层,得到该训练样本的识别结果。
从上述方法中可以看出,本方法基于不同尺寸的特征图进行融合,确定训练样本的识别结果,获取到的图像特征更加全面,在识别采集到的图像时刻获取到丰富的信息量,效率较高。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中提供的识别模型的训练方法的流程示意图;
图2为本说明书提供的识别模型的特征提取层的示意图;
图3为本说明书提供的确定各特征图对应的重构编码的示意图;
图4为本说明书提供的确定融合结果的示意图;
图5为本说明书提供的识别模型的结构示意图;
图6为本说明书提供的表格识别方法的流程示意图;
图7为本说明书提供的识别模型的训练装置的示意图;
图8为本说明书提供的表格识别装置的示意图;
图9为本说明书提供的对应于图1或图6的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
在现有技术中,对表格进行识别通常包含两种应用场景:对PDF版的表格进行识别以及采集设备采集到的包含表格的照片进行识别两种场景。扫描版本对应的图像数据和采集设备采集到的包含表格的图像所对应的图像数据所能确定出的关于表格的信息量不一致,扫描版的图像数据关于表格的信息量远高于采集设备采集到的图像的信息量。
具体的,在对扫描版本的图像进行识别的场景中,现有技术通常能识别出比较完整的表格,但在对采集设备采集到的图像进行识别时,由于采集到的图像中的表格通常会出现背景杂乱、表格被污染、表格被遮挡等情况,导致从采集到的图像中照片中确定出的表格的信息量过少,进而导致现有技术在对采集到的图像进行识别时,效果较差。
图1为本说明书中提供的识别模型的训练方法的流程示意图,具体包括以下步骤:
S100:确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注。
一般的,在表格识别领域,可通过识别模型对包含表格的图像进行识别,确定图像中的表格的位置及结构,以根据确定出的表格,执行其他步骤。
通常,识别模型的训练模型是由用于训练模型的服务器,基于训练样本预先训练得到的。而本说明书提供了一种识别模型的训练方法,同样的,可由用于训练模型的服务器执行该训练识别模型的训练模型的过程。
训练模型可以分为样本生成阶段以及训练模型阶段,在样本生成阶段可根据模型需要以及训练需要,确定用于训练模型的样本。在本说明书中,该服务器首先可确定用于训练识别模型的训练样本,并且由于通常识别模型的训练模型是基于包含表格的图像对表格进行识别的,因此,该服务器可首先确定各包含表格的图像,以确定训练样本。
基于此,该服务器可首先若干包含表格的图像。其中,该图像可包括扫描确定出的图像,也可为图像采集设备采集到的图像。
在模型训练领域,模型训练分为确定样本和训练模型两个过程。而在确定样本过程中,除确定用于训练模型的样本之外,还需确定训练样本的标注。
具体的,该服务器可针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注。其中,该服务器可直接将各训练样本中表格的结构和位置,作为各训练样本对应的标注,也可为根据各训练样本中表格的结构和位置,以及预设的识别结构的类型,确定各训练样本的标注。
当然,若识别结果为该训练样本中各像素分别对应的所属元素(表格边线、单元格、表格外等),则该训练样本的标注可为根据表格的框架和位置确定出的各像素分别对应的所属元素。若识别结果为该训练样本中各像素与周围像素是否属于同一类型,则该训练样本的标注可为根据表格的框架和位置确定出的该训练样本中各像素与其周围像素是否属于同一类型。该训练样本的标注的形式和类型可根据需要进行设置,本说明书对此不做限制。
S102:将该训练样本作为输入,输入到待训练的识别模型的特征提取层,对该训练样本分别进行上采样和下采样,确定该训练样本对应的图像特征金字塔。
区别于现有技术中直接对二值化后的图像的特征进行分割,确定图像特征对应的分割结果,导致图像信息不足,识别结果较差。本说明书提供一种新的识别模型的训练方法,通过确定训练样本的图像特征金字塔,确定该训练样本的重构编码,再基于该重构编码对其进行对图像进行分割,可从图像中获取到更加丰富信息的特点。
基于此,该服务器可首先针对每个训练样本,将该训练样本作为输入,输入到待训练的识别模型的特征提取层。
然后,该识别模型的特征提取层,可对该训练样本分别进行不同尺寸的上采样和下采样,确定该训练样本对应的图像特征金字塔。如图2所示。
图2为本说明书提供的识别模型的特征提取层的示意图,该服务器可对输入该特征提取层的训练样本分别进行上采样和下采样,确定该训练样本对应的上采样结果和下采样结果,确定该训练样本对应的图像特征金字塔。其中,上述图像特征金字塔为不同尺寸的特征图组成的金字塔特征图序列。该服务器进行上采样和下采样的尺寸和次数,上采样和下采样多采用的手段以及该图像特征金字塔的层数可根据需要进行设置,本说明书对此不做限制。
需要说明的是,上述对原始图像进行上采样和下采样的原因是尺寸小的图像,学习到的全局层级的纹理特征等图像特征更加丰富,而尺寸大的图像,学习到的像素层级的纹理特征等图像特征更加丰富。因此,基于学习到的全局层级的图像特征和像素层级的图像特征,可学习到更加丰富的信息量,使得基于采集到的图像也可确定出较好的识别结果。
S104:针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果。
在本说明书提供的一个或多个实施例中,在确定出训练样本对应的图像特征金字塔后,该服务器可根据该训练样本对应的图像特征金字塔,确定该训练样本对应的重构编码。
具体的,该服务器可针对图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积。其中,该不同方向的卷积至少包含两个相对的方向上的卷积。如,先进行自上而下进行卷积,再进行自下而上进行卷积,再进行从左至右进行卷积,最后再进行从右至左进行卷积。上下卷积时,卷积核为列向量,左右卷积时,卷积核为行向量等。如图3所示。
图3为本说明书提供的确定各特征图对应的重构编码的示意图。图中,A为图像特征金字塔中的特征图,立方体代表卷积,立方体上的箭头代表卷积的方向,图中为对特征图A首先进行自上而下的卷积,然后进行自下而上的卷积,在进行从左至右的卷积,再进行从右至左的卷积,得到卷积结果B,作为该特征图对应的重构特征。则图B中的每个像素点的值,都为该像素点周围的像素点的值确定出的。
当然,在对特征图进行卷积时,若进行上下卷积,该卷积核还可为行向量,若进行左右卷积,卷积核还可为列向量,卷积方式还可为用正方向的卷积核对特征图进行卷积,卷积后的每个像素由与该像素相邻的各像素点确定即可。具体的卷积核的形式和卷积方向等可根据需要进行设置,本说明书对此不做限制。
进一步的,在确定出各特征图分别对应的重构编码后,该服务器可确定各特征图对应的融合结果。
具体的,该服务器可针对每张特征图,对该特征图对应的重构编码进行上采样,确定特征图对应的上采样结果,并与该图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果。如图4所示。
图4为本说明书提供的确定融合结果的示意图。图中,图像特征金字塔中包含5张特征图,分别为特征图1、特征图2、特征图3、特征图4和特征图5,尺寸从大到小分别是特征图1、特征图2、特征图3、特征图4、特征图5。以确定特征图5的融合结果为例,该服务器可确定特征图5的重构编码:特征图6,并对特征图6进行上采样,确定特征图7,再将特征图7与特征图4进行融合,确定融合结果:特征图8。
当然,与特征图7进行融合的特征图还可为特征图1、2、3中的任意一个,具体融合的特征图可根据特征图6的上采样尺寸确定。该尺寸可根据需要设置,本说明书对此不作限制。
更进一步的,为了保证根据融合结果确定出的各特征图的图像特征足够丰富,在确定融合特征时,针对每张特征图,该服务器可对该特征图的重构编码进行上采样,与该特征图所属的图像特征金字塔中尺寸大于该特征图一个层级的特征图进行融合,确定融合结果。其中,针对每个图像特征金字塔,该服务器可将各特征图的尺寸按照从大到小进行排序,并根据各排序,将各特征图分为不同层级。以图2中的图像特征金字塔为例,该图像特征金字塔包括五个不同的层级。
S106:将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果。
在本说明书提供的一个或多个实施例中,在确定出各图像对应的融合特征后,该服务器可基于各融合特征,确定该训练样本的识别结果。
基于此,该服务器可将各特征图对应的融合结果输入该识别模型的识别层,得到所述识别层输出的该训练样本的识别结果。
具体的,该服务器可将各特征图对应的融合结果作为输入,输入到该识别模型的识别层的卷积子层,确定各特征图对应的相同尺寸的融合结果。
然后,该服务器可将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,得到该训练样本输出的识别结果。其中,该识别结果可为该训练样本中表格的结构和位置,也可为根据预设的识别结果的种类,确定出的各识别结果。
进一步的,该识别结果可包含二十九种类型,所述识别层为二十九通道的卷积神经网络层,其中,五层用于语义分割,二十四层用于像素分类。
则针对每个通道,该服务器可确定该通道对应的类型,以及该类型对应的识别结果。如,语义分割结果中,可包括:单元格的位置、表格边线的位置、单元格边线的位置等分类,像素分类主要为针对每个像素,判断该像素周围的像素是否与该像素为一类,以及像素是否为边线,是否在单元格内,是否在表格外等分类。
当然,具体的通道数和分类数可根据需要进行设置,本说明书对此不做限制。
S108:根据各训练样本的识别结果及其标注,对所述识别模型进行训练。
在本说明书提供的一个或多个实施例中,在确定出各训练样本的识别结果及其标注后,该服务器可基于各训练样本的识别结果及其标注,对该识别模型进行训练。
具体的,当识别结果为训练样本中表格的结构和位置时,该服务器可基于训练样本的识别结果和标注中表格对应像素的位置差,确定损失。
当识别结果为根据预设的识别结果的种类确定出的各识别结果时,该服务器可针对每种预设种类,根据各训练样本的标注,确定该训练样本对应该种类的标注,并基于该类型对应的标注和识别结果确定损失,并以各类型的损失之和确定总损失,基于总损失对模型的参数进行调整。
以识别结果为训练样本中表格的结构和位置为例,该服务器可针对各训练样本的识别结果中属于表格的框架的像素的位置和标注中表格的框架对应的像素的位置之间的差距,确定损失,并根据该损失调整识别模型的模型参数。
基于图1的识别模型的训练方法,确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注,将该训练样本输入识别模型的特征提取层,确定该训练样本对应的图像特征金字塔,针对图像特征金字塔中的每张特征图,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与尺寸大于该特征图的其他特征图进行融合,将各特征图对应的融合结果作为输入,输入识别模型的识别层,得到该训练样本的识别结果。本方案基于不同尺寸的特征图进行融合,确定训练样本的识别结果,获取到的图像特征更加全面,在识别采集到的图像时刻获取到丰富的信息量,效率较高。
基于图1的识别模型的训练方法的流程示意图,本说明书提供一种识别模型的结构示意图,如图5所示。
图5为本说明书提供的识别模型的结构示意图,图中,该识别模型包括特征提取层和识别层,该服务器可将包含表格的图像作为输入,输入该特征提取层,对图像进行上采样和下采样,确定图像的上采样结果和下采样结果,进而确定该图像对应的重构编码的上采样结果,将各上采样结果分别进行融合,得到各特征图对应的融合结果,并将各融合结果输入该识别模型的识别层,经过该识别层的卷积子层和融合子层,通过不同通道输出尺寸大小一致的不同类型的识别结果。其中,该通道数量和预设的识别结果的数量相关。
其中,具体的通道数可根据需要进行设置,本说明书对此不做限制。
需要说明的是,上述将各融合结果输入该识别模型的识别层的过程中,还可为将尺寸最小的特征图对应的重构编码的上采样结果,和尺寸大于该特征图一个层级的特征图的重构编码进行融合,并将融合结果继续进行上采样,以将上采样结果和尺寸更大的特征图的重构编码进行融合,直至将各尺寸对应的特征图的重构编码都融合为止,将融合结果输入该识别模型的识别层,确定训练样本对应的识别结果。
基于图1所示的识别模型的训练方法,本说明书还提供一种表格识别方法,如图6所示。
图6为本说明书提供的表格识别方法的流程示意图,包括:
S200:确定包含表格的图像。
S202:将所述图像作为输入,输入预先训练好的识别模型的特征提取层,对所述图像分别进行上采样和下采样,确定所述图像对应的图像特征金字塔。
S204:针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果。
S206:将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的所述图像的识别结果,根据所述图像的识别结果,确定所述图像中表格的结构及位置。
上述步骤S200-S206可参考上述步骤S100-S106的步骤,本说明书对此不再赘述。
在本说明书提供的一个或多个实施例中,该表格识别的方法,可应用于对包含表格的图像进行识别,确定图像中表格的框架和位置的场景中。
其中,该表格识别的方法,由服务器执行。该执行表格识别方法的服务器与上述训练识别模型的服务器可为相同服务器,也可为不同服务器。
该服务器可将包含表格的图像作为输入,输入预先训练好的识别模型中,得到该识别模型输出的各识别结果,并在确定出图像的识别结果后,根据该图像的识别结果,确定出图像中表格的结构对应的各像素,进而基于各像素的位置,确定表格的位置和结构。其中,确定出的表格的位置为表格的边框的位置,当然,也可为表格包含的各单元格所处位置。
以上为本说明书的一个或多个实施例提供的识别模型的训练方法,基于同样的思路,本说明书还提供了相应的识别模型的训练装置,如图7所示。
图7为本说明书提供的识别模型的训练装置,包括:
样本确定模块300,用于确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注。
采样模块302,用于将该训练样本作为输入,输入到待训练的识别模型的特征提取层,对该训练样本分别进行上采样和下采样,确定该训练样本对应的图像特征金字塔。
融合模块304,用于针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果。
识别模块306,用于将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果。
训练模块308,用于根据各训练样本的识别结果及其标注,对所述识别模型进行训练。
可选地,所述识别结果包含多种类型,所述样本确定模块300,用于针对每个训练样本,根据预设的识别结果的类型和该训练样本的标注,确定该训练样本对应于各类型的标注,根据各训练样本分别对应的所述各类型的识别结果和标注,确定损失,并根据所述损失调整所述识别模型的模型参数。
可选地,所述识别模块306,用于将各特征图对应的融合结果作为输入,输入所述识别模型的识别层的卷积子层,确定各特征图对应的相同尺寸的融合结果,将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,得到该训练样本输出的识别结果。
可选地,所述融合模块304,用于针对所述图像特征金字塔中的每张特征图,将该特征图对应的重构编码进行上采样,与尺寸大于该特征图的尺寸一个层级的特征图进行融合,确定融合结果。
可选地,所述识别模块306,用于将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,确定该训练样本对应的融合特征,根据预设的识别结果的类型和所述融合特征,得到预设的各通道输出的该训练样本的识别结果。
以上为本说明书的一个或多个实施例提供的表格识别方法,基于同样的思路,本说明书还提供了相应的表格识别装置,如图8所示。
图8为本说明书提供的表格识别装置,包括:
第一确定模块400,用于确定包含表格的图像。
第二确定模块402,用于将所述图像作为输入,输入预先训练好的识别模型的特征提取层,对所述图像分别进行上采样和下采样,确定所述图像对应的图像特征金字塔。
融合模块404,用于针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果。
第三确定模块406,用于将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的所述图像的识别结果,根据所述图像的识别结果,确定所述图像中表格的结构及位置。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的识别模型的训练方法或图6提供的表格识别方法。
本说明书还提供了图9所示的电子设备的示意结构图。如图9所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的识别模型的训练方法或图6提供的表格识别方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种识别模型的训练方法,其特征在于,包括:
确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注;
将该训练样本作为输入,输入到待训练的识别模型的特征提取层,对该训练样本分别进行上采样和下采样,确定该训练样本对应的图像特征金字塔;
针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果;
根据各训练样本的识别结果及其标注,对所述识别模型进行训练。
2.如权利要求1所述的方法,其特征在于,所述识别结果包含多种类型;
根据各训练样本的识别结果及其标注,对所述识别模型进行训练,具体包括:
针对每个训练样本,根据预设的识别结果的类型和该训练样本的标注,确定该训练样本对应于各类型的标注;
根据各训练样本分别对应的所述各类型的识别结果和标注,确定损失,并根据所述损失调整所述识别模型的模型参数。
3.如权利要求1所述的方法,其特征在于,将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果,具体包括:
将各特征图对应的融合结果作为输入,输入所述识别模型的识别层的卷积子层,确定各特征图对应的相同尺寸的融合结果;
将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,得到该训练样本输出的识别结果。
4.如权利要求1所述的方法,其特征在于,对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果,具体包括:
针对所述图像特征金字塔中的每张特征图,将该特征图对应的重构编码进行上采样,与尺寸大于该特征图的尺寸一个层级的特征图进行融合,确定融合结果。
5.如权利要求3所述的方法,其特征在于,所述识别结果包含二十九种类型,所述识别层为二十九通道的卷积神经网络层,其中,五层用于语义分割,二十四层用于像素分类;
将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,得到该训练样本输出的识别结果,具体包括:
将各特征图对应的相同尺寸的融合结果输入所述识别模型的识别层的融合子层,确定该训练样本对应的融合特征;
根据预设的识别结果的类型和所述融合特征,得到预设的各通道输出的该训练样本的识别结果。
6.一种表格识别方法,其特征在于,包括:
确定包含表格的图像;
将所述图像作为输入,输入预先训练好的识别模型的特征提取层,对所述图像分别进行上采样和下采样,确定所述图像对应的图像特征金字塔;
针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的所述图像的识别结果,根据所述图像的识别结果,确定所述图像中表格的结构及位置。
7.一种识别模型的训练装置,其特征在于,包括:
样本确定模块,用于确定若干包含表格的图像,作为各训练样本,针对每个训练样本,根据该训练样本中表格的结构和位置,确定该训练样本的标注;
采样模块,用于将该训练样本作为输入,输入到待训练的识别模型的特征提取层,对该训练样本分别进行上采样和下采样,确定该训练样本对应的图像特征金字塔;
融合模块,用于针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
识别模块,用于将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的该训练样本的识别结果;
训练模块,用于根据各训练样本的识别结果及其标注,对所述识别模型进行训练。
8.一种表格识别装置,其特征在于,包括:
第一确定模块,用于确定包含表格的图像;
第二确定模块,用于将所述图像作为输入,输入预先训练好的识别模型的特征提取层,对所述图像分别进行上采样和下采样,确定所述图像对应的图像特征金字塔;
融合模块,用于针对所述图像特征金字塔中的每张特征图,对该特征图进行不同方向的卷积,确定该特征图对应的重构编码,并对该特征图对应的重构编码进行上采样,与所述图像特征金字塔中尺寸大于该特征图的其他特征图进行融合,确定融合结果;
第三确定模块,用于将各特征图对应的融合结果作为输入,输入所述识别模型的识别层,得到所述识别层输出的所述图像的识别结果,根据所述图像的识别结果,确定所述图像中表格的结构及位置。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~5或权利要求6任一项所述的方法。
10.一种电子设备,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上述权利要求1~5或权利要求6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650415.XA CN114359935A (zh) | 2021-12-30 | 2021-12-30 | 一种模型训练以及表格识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650415.XA CN114359935A (zh) | 2021-12-30 | 2021-12-30 | 一种模型训练以及表格识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359935A true CN114359935A (zh) | 2022-04-15 |
Family
ID=81103999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111650415.XA Pending CN114359935A (zh) | 2021-12-30 | 2021-12-30 | 一种模型训练以及表格识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359935A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309924A (zh) * | 2023-05-25 | 2023-06-23 | 之江实验室 | 一种模型训练的方法、图像展示的方法及装置 |
-
2021
- 2021-12-30 CN CN202111650415.XA patent/CN114359935A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309924A (zh) * | 2023-05-25 | 2023-06-23 | 之江实验室 | 一种模型训练的方法、图像展示的方法及装置 |
CN116309924B (zh) * | 2023-05-25 | 2023-08-18 | 之江实验室 | 一种模型训练的方法、图像展示的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334892B (zh) | 一种基于卷积神经网络的车型识别方法、装置及设备 | |
CN109034183B (zh) | 一种目标检测方法、装置及设备 | |
CN112784857B (zh) | 一种模型训练以及图像处理方法及装置 | |
CN113887608B (zh) | 一种模型训练的方法、图像检测的方法及装置 | |
CN114332873A (zh) | 一种识别模型的训练方法及装置 | |
CN113888415B (zh) | 一种模型训练以及图像修复方法及装置 | |
CN117197781B (zh) | 一种交通标志识别的方法、装置、存储介质及电子设备 | |
CN114359935A (zh) | 一种模型训练以及表格识别方法及装置 | |
CN112990099B (zh) | 一种车道线检测的方法以及装置 | |
CN116342888B (zh) | 一种基于稀疏标注训练分割模型的方法及装置 | |
CN116186330B (zh) | 一种基于多模态学习的视频去重方法及装置 | |
CN116805393A (zh) | 一种基于3DUnet光谱-空间信息融合的高光谱图像分类方法和*** | |
CN112949642B (zh) | 一种文字生成方法、装置、存储介质及电子设备 | |
CN116246276A (zh) | 一种信息识别方法、装置、设备及可读存储介质 | |
CN112560530B (zh) | 一种二维码处理方法、设备、介质及电子设备 | |
CN113344198B (zh) | 一种模型训练的方法及装置 | |
CN114154579A (zh) | 一种图像分类方法、装置、存储介质及电子设备 | |
CN111523539A (zh) | 一种文字检测方法及装置 | |
CN111899264A (zh) | 一种目标图像分割方法、设备及介质 | |
CN116704178A (zh) | 一种图像的实例分割方法、装置、存储介质及电子设备 | |
CN116340852B (zh) | 一种模型训练、业务风控的方法及装置 | |
CN118193797B (zh) | 一种业务执行的方法、装置、存储介质及电子设备 | |
CN117975456A (zh) | 一种文本识别方法、装置、存储介质及电子设备 | |
CN117934933A (zh) | 一种图像识别模型的训练方法、目标检测的方法以及装置 | |
CN112115952A (zh) | 一种基于全卷积神经网络的图像分类方法、设备及介质 |
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 |