[发明专利]一种图表识别方法、装置、设备及存储介质

说明书

本发明公开了一种图表识别方法、装置、设备及存储介质，该方法包括：获取包含图表数据的文本文件；将文本文件转换为预设格式的图片；将图片输入图表定位检测器中，输出图表数据在图片中的定位结果；其中，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。本发明中包含图表数据的文本文件可以是任意格式种类的文本文件，将该文本文件转换为图片，则避免了现有技术中需要使用规范的协议来解析文本定位图表位置的操作，将转换后的图片直接输入预先训练完成的图表定位检测器中，则可以直接输出图表数据在图片中的定位结果，能够解决现有技术从文本文件中识别图表效率低下、且识别图表准确性较低的技术问题。

技术领域

本发明实施例涉及图像识别技术，尤其涉及一种图表识别方法、装置、设备及存储介质。

背景技术

在数据分析领域，从图表数据中获取有效信息最为直观，图表数据的形态分析往往是金融、科研等行业领域中重要的分析方法之一，其数据分析的有效性也在各行各业中得到了广泛的验证。

由于图表数据一般都是附着于文本文件而存在，利用图表数据进行分析时常需要把各文本文件中的图表单独提取出来。然而，传统的图表提取方法，一种是基于CPU计算设备进行处理，需要预先解析文本文件，导致时间成本过高，提取速度慢、耗时长，有时还需要基于规范的协议来解析文本，对文本文件自身的格式要求较高；另一种是基于数字图像处理技术来识别图表，一般是利用图像二值化来查找图表，但极易查找到形状相似、却并不是真实图表的非图表区域，因而识别精准度不够、准确性较低，同时现有神经网络中多采用ReLU、PReLU、FReLU激活函数，对空间不敏感忽略了阻碍视觉任务实现显著改善，灵活性较差。

发明内容

本发明提供一种图表识别方法、装置、设备及存储介质，能够解决现有技术从文本文件中识别图表效率低下、且识别图表准确性较低的技术问题。

第一方面，本发明实施例提供了一种图表识别方法，所述方法包括：

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。

可选的，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y = max（ax，mT（x））+δ，其中T（·）是二维空间条件空间上下文特征提取器，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。

可选的，所述图表定位检测器的训练过程，可以包括:

获取包含样本图表数据的样本数据集，所述样本数据集包括训练样本集和测试样本集；

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。

可选的，所述获取包含样本图表数据的样本数据集，可以包括：

获取样本图表数据；