[发明专利]表格识别方法、装置及电子设备

说明书

本公开提供了一种表格识别方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用于光学字符识别场景。具体实现方案为：获取待识别图像，其中，待识别图像中显示的内容包括：待识别表格；对待识别图像中的待识别表格进行分割与合并处理，得到合并结果，以及对待识别表格进行光学字符识别处理，得到第一识别结果；对合并结果与第一识别结果进行匹配处理，得到第二识别结果。本公开至少解决了现有技术中图像中表格识别准确度低的技术问题。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用于光学字符识别场景，具体而言，涉及一种表格识别方法、装置及电子设备。

背景技术

随着办公电子化程度的提高，原本以纸质形式保存的文档资料逐渐通过扫描仪等电子化手段转为以图像形式保存。在现有技术中，通常采用复杂的图像处理流程来识别图像中的表格，一方面，其所使用的图像处理算法复杂，时间空间成本高，另一方面，其对对比度较弱、图像明暗分布不均或背景模糊的表格无法准确识别，从而降低了对图像中表格识别的准确度。

发明内容

本公开提供了一种表格识别方法、装置及电子设备。

根据本公开的一方面，提供了一种表格识别方法，包括：获取待识别图像，其中，待识别图像中显示的内容包括：待识别表格；对待识别图像中的待识别表格进行分割与合并处理，得到合并结果，以及对待识别表格进行光学字符识别处理，得到第一识别结果；对合并结果与第一识别结果进行匹配处理，得到第二识别结果。

可选的，表格识别方法还包括：对待识别表格进行分割处理，得到预测分割图，其中，预测分割图为待识别表格所包含的单元格的最小分割图；对预测分割图进行合并处理，得到合并结果。

可选的，表格识别方法还包括：对待识别表格进行特征提取处理，得到第一特征图像，其中，第一特征图像为待识别表格对应的特征图像；对第一特征图像进行位置预测处理，得到预测分割图。

可选的，表格识别方法还包括：利用卷积神经网络对待识别表格进行特征提取处理，得到第一特征图像。

可选的，表格识别方法还包括：对第一特征图像中包含的每个像素逐个进行位置预测处理，确定每个像素的位置属于待识别表格的表格线位置或者属于待识别表格的非表格线区域，得到预测分割图。

可选的，表格识别方法还包括：对预测分割图进行全局平均池化处理，得到第二特征图像，其中，第二特征图像为单元格对应的特征图像；对第二特征图像进行分类合并处理，得到合并结果。

可选的，表格识别方法还包括：基于第二特征图像确定单元格的视觉特征；利用视觉特征沿多个方向进行单元格合并，得到合并结果。

可选的，表格识别方法还包括：基于第一识别结果确定待识别表格中文字区域的显示位置与显示内容；基于合并结果确定待识别表格中单元格的显示位置与显示内容；将文字区域的显示位置与显示内容与单元格的显示位置与显示内容进行匹配处理，得到第二识别结果。

根据本公开的另一方面，提供了一种表格识别装置，包括：获取模块，用于获取待识别图像，其中，待识别图像中显示的内容包括：待识别表格；第一处理模块，用于对待识别图像中的待识别表格进行分割与合并处理，得到合并结果，以及对待识别表格进行光学字符识别处理，得到第一识别结果；第二处理模块，用于对合并结果与第一识别结果进行匹配处理，得到第二识别结果。

可选的，第一处理模块还包括：分割模块，用于对待识别表格进行分割处理，得到预测分割图，其中，预测分割图为待识别表格所包含的单元格的最小分割图；合并模块，用于对预测分割图进行合并处理，得到合并结果。

可选的，分割模块还包括：第一提取模块，用于对待识别表格进行特征提取处理，得到第一特征图像，其中，第一特征图像为待识别表格对应的特征图像；第一预测模块，用于对第一特征图像进行位置预测处理，得到预测分割图。