[发明专利]一种图表类型数据数字化方法

说明书

本发明公开一种图表类型数据数字化方法，包括以下步骤：采集图表数据；识别所述图表数据，获取所述图表数据的元素识别结果，所述元素包括图表元素和文本元素；对所述图表元素进行检测分析，获取不同种类所述图表元素的定位和数值解析结果；基于所述定位和数值解析结果，输出Excel表格。本发明解决了图表元素定位以及解析的任务，能够简单高效地定位并识别出图表中的元素对应的数值，将现代计算机信息技术和数字化办公巧妙地相结合，对于数字化办公，简化人工流程等工作具有重要的作用。

技术领域

本发明涉及图表数据处理技术领域，特别是涉及一种图表类型数据数字化方法。

背景技术

图表数据是一种重要的信息传输媒介，它能够通过最简单的方式将富余的数据量给简洁化展示出来。近年来，越来越多的图表图像出现在多媒体媒介，科学论文以及商业报告中。如何从海量的图表文件中自动获取数据也成为了值得关注的问题。

正如摘要附图的图表数据数字化系统所示，通常来说，数字化系统包含多个步骤。其中元素定位以及数值解析是最为关键以及最困难的一环。本发明主要关注这两个任务来设计。针对图表元素检测器，要求检测模型对于尺度变化差异大的元素也能够准确定位；同时要求检测模型能够精准的定位元素，较大误差的像素定位会使得对应的图表刻度偏移较大。

近年来，随着深度学习的发展，越来越多的学者提出性能更加优越的检测以及分类模型，基于最新的深度学习技术来设计图表数字化系统尚未得到有效实现。主要由于该系统包含多个步骤，涉及的流程多，同时每个系统存在的误差对后续的性能也有较大影响，很难保证系统的高性能。基于此，我们利用最新的深度学习模型来实现设计各个高性能的模块。通过该图表数字化系统，能够减少人工干预的过程，进一步实现数字化办公。

发明内容

本发明的目的是提供一种图表类型数据数字化方法，以解决上述现有技术存在的问题，利用现有的深度学习技术，实现高性能的模块设计，使繁琐的人工流程得到进一步简化。

为实现上述目的，本发明提供了如下方案：本发明提供一种图表类型数据数字化方法，包括以下步骤：

采集图表数据；

识别所述图表数据，获取所述图表数据的元素识别结果，所述元素包括图表元素和文本元素；

对所述图表元素进行检测分析，获取不同种类所述图表元素的定位和数值解析结果；

基于所述定位和数值解析结果，输出Excel表格。

可选地，对所述图表数据包括直方图，箱线图，线图以及散点图。

可选地，识别所述图表数据采用OCR模型。

可选地，对所述图表元素进行检测分析包括：

构建元素定位模型，利用所述元素定位模型进行不同种类元素定位；

构建数值解析模型，判断是否存在图例、坐标轴，如果存在所述图例、所述坐标轴，则利用所述数值解析模型将定位后的所述不同种类元素与图例进行匹配，并将所述不同种类元素的像素刻度换算到图表刻度；如果不存在所述图例、所述坐标轴，则直接输出所述元素识别结果。

可选地，所述元素定位模型包括矩形元素检测器和散点元素检测器，所述矩形元素检测器支持直方图，箱线图，所述散点元素检测器支持线图，散点图。

可选地，所述矩形元素检测器包括多个级联的检测头，多个所述检测头以不同的IOU阈值作为判定正负样本的标准，所述IOU阈值为所述矩形元素检测器判别正负样本的标准，通过多个所述检测头来逐步提高矩形检测框的回归精度。

可选地，所述散点元素检测器采用全卷积网络。