[发明专利]一种图表识别方法、装置、设备及存储介质

权利要求书

1.一种图表识别方法，其特征在于，包括：

获取包含图表数据的文本文件；

将所述文本文件转换为预设格式的图片；

将所述图片输入图表定位检测器中，输出所述图表数据在所述图片中的定位结果；其中，所述图表定位检测器由预设的神经网络经包含样本图表数据的样本数据集训练得到；

所述样本数据集的获取，包括：获取样本图表数据；

将所述样本图表数据插入预设的幻灯片演示文稿中，得到原始样本文本文件；其中，所述预设的幻灯片演示文稿包括文字段落与无表格图片；

使用格式转换器将所述原始样本文本文件转化为样本图片；

确定所述样本图片的样本标签，将具有所述样本标签的样本图片作为样本数据集；所述预设的神经网络为Yolov5s网络或Yolov5l网络或Yolov5m网络或Yolov5x网络，所述神经网络采用改进的FReLU激活函数，改进的FReLU激活函数表示为：

以二维空间位置（i,j）第c通道上非线性激活函数f()输入像素为中心的参数化池窗口；w为在窗口通道中共享的系数，m为与通道相关的自定义值，a为自定义常数，δ为调节值，x为输入像素参数化池窗口；

所述样本数据集包括训练样本集和测试样本集；

所述图表定位检测器的训练过程，包括:

采用所述训练样本集训练预设的神经网络，在所述神经网络的反向传播中更新网络参数，直到所述神经网络的训练次数达到预设的训练次数；

当所述神经网络的训练次数达到预设的训练次数时，将所述测试样本集输入所述神经网络中，输出得到网络损失值；

若所述网络损失值不符合预设的要求，则返回执行所述采用所述训练样本集训练预设的神经网络，在所述神经网络的反向传播中更新网络参数，直到所述神经网络的训练次数达到预设的训练次数；

若所述网络损失值符合预设的要求，则保留所述神经网络当前的网络参数，确定所述神经网络为图表定位检测器；

所述将所述样本图表数据插入预设的幻灯片演示文稿中，得到原始样本文本文件，包括：

将所述样本图表数据插入预设的幻灯片演示文稿中，判断所述样本图表数据是否超出所述幻灯片演示文稿的纸张范围；

若所述样本图表数据超出所述幻灯片演示文稿的纸张范围，则获取新的样本图表数据，返回执行所述将所述样本图表数据插入预设的幻灯片演示文稿中，判断所述样本图表数据是否超出所述幻灯片演示文稿的纸张范围；

若所述样本图表数据未超出所述幻灯片演示文稿的纸张范围，则确定当前包含所述样本图表数据的所述幻灯片演示文稿为原始样本文本文件。

2.根据权利要求1所述的方法，其特征在于，所述获取样本图表数据，包括：

通过爬虫技术采集不同格式种类的多个原始文件；

使用预设的正则表达式从所述多个原始文件中提取图表数据作为样本图表数据。

3.根据权利要求1或2所述的方法，其特征在于，所述确定所述样本图片的样本标签，将具有所述样本标签的样本图片作为样本数据集，包括：

解析所述幻灯片演示文稿的可扩展标记语言XML部分；

依据所述可扩展标记语言XML部分确定所述样本图表数据在所述幻灯片演示文稿中的位置以及所述样本图表数据的形状参数；其中，所述位置包括所述样本图表数据在所述幻灯片演示文稿中的横坐标与纵坐标，所述形状参数包括所述样本图表数据在所述幻灯片演示文稿中的图表高度与图表宽度；

确定所述幻灯片演示文稿的纸张高度和纸张宽度；

以所述横坐标、所述纵坐标、所述图表高度、所述图表宽度、所述纸张高度以及所述纸张宽度作为所述样本图片的样本标签；

将具有所述样本标签的样本图片作为样本数据集。