【技术实现步骤摘要】
图像处理方法、装置、计算机设备以及存储介质
[0001]本申请涉及计算机
,尤其涉及一种图像处理方法、装置、计算机设备、存储介质以及计算机程序产品。
技术介绍
[0002]现在越来越多的资源信息是以图像的方式进行存储,将图像中的字符转换为结构化文档有利于文档检索、文档分析、文本编辑以及以及其它智能化等服务。例如,将企业营业执照的照片转换为结构化文档,可以提升检索效率。
[0003]目前,是由人工将图像转换为结构化的文档,主要过程包括:人工定位字符区域,人工识别字符区域文字,人工输入文字以生成结构化文档。由人工将图像转换为结构化文档会导致效率低下,且易受主观因素影响,会降低准确性。
技术实现思路
[0004]本申请实施例提供一种图像处理方法、装置、计算机设备、存储介质以及计算机程序产品,可以提升将图片转换为结构化文档的效率和准确率。
[0005]本申请实施例一方面提供了一种图像处理方法,包括:
[0006]获取待识别图像,对所述待识别图像进行字符识别处理,得到识别结果;其中,所述识别结果包括识别到的数据序列,所述数据序列包括字符序列、图像序列和位置序列中的一个或多个,所述字符序列是所述待识别图像中的字符组成的序列,所述图像序列是所述字符序列中的每个字符在所述待识别图像中的切片组成的序列,所述位置序列是所述字符序列中的每个字符在所述待识别图像中的位置组成序列;
[0007]基于所述数据序列的多模态特征序列对所述数据序列进行序列标注处理,得到所述数据序列中每个数据的结构 ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:获取待识别图像,对所述待识别图像进行字符识别处理,得到识别结果;其中,所述识别结果包括识别到的数据序列,所述数据序列包括字符序列、图像序列和位置序列中的一个或多个,所述字符序列是所述待识别图像中的字符组成的序列,所述图像序列是所述字符序列中的每个字符在所述待识别图像中的切片组成的序列,所述位置序列是所述字符序列中的每个字符在所述待识别图像中的位置组成序列;基于所述数据序列的多模态特征序列对所述数据序列进行序列标注处理,得到所述数据序列中每个数据的结构化类别;根据所述数据序列和所述数据序列中每个数据的结构化类别,创建与所述待识别图像对应的结构化文档。2.根据权利要求1所述的方法,其特征在于,当所述数据序列包括字符序列、图像序列和位置序列中的多个时,所述基于所述数据序列的多模态特征序列对所述数据序列进行序列标注处理,得到所述数据序列中每个数据的结构化类别,包括:将所述数据序列包含的多个序列分别转为特征序列,并将多个特征序列对位拼接为所述数据序列的多模态特征序列;调用多模态特征提取模型对所述多模态特征序列进行编码,得到多模态结构化特征序列;调用结构化类别识别模型对所述多模态结构化特征序列进行解码,得到所述数据序列中每个数据的结构化类别。3.根据权利要求2所述的方法,其特征在于,所述多模态特征提取模型是基于预训练任务所训练的特征提取模型,所述预训练任务包括替换任务、匹配任务和分类任务中的一个或多个;所述替换任务是对第一模态样本序列进行数据替换处理,并根据第二模态样本序列预测处理后的第一模态样本序列中每个样本的替换结果,所述第一模态样本序列和所述第二模态样本序列是样本图像序列、样本字符序列和样本位置序列中的两个不同序列,所述样本字符序列是第一模态样本序列或第二模态样本序列;所述匹配任务是预测样本图像子序列和样本字符子序列之间的上下文关系,所述样本图像子序列是所述样本图像序列的子序列,所述样本字符子序列是所述样本字符序列的子序列;所述分类任务是预测所述样本字符序列的文档类别,所述样本图像序列、所述样本字符序列和所述样本位置序列之间均具有对应关系。4.根据权利要求3所述的方法,其特征在于,所述方法还包括:获取第一模态样本序列和第二模态样本序列,对所述第一模态样本序列进行替换处理,得到替换样本序列;将所述替换样本序列转换为替换特征序列,以及将所述第二模态样本序列转换为第二模态样本特征序列,将所述替换特征序列和所述第二模态样本特征序列对位拼接为第一样本多模态特征序列;调用所述多模态特征提取模型对所述第一样本多模态特征序列进行编码,得到第一样本结构化特征序列;
调用替换判别模型对所述第一样本结构化特征序列进行解码,得到预测替换结果序列;获取所述替换样本序列的替换结果标签序列,根据所述替换结果标签序列和所述预测替换结果序列训练所述多模态特征提取模型。5.根据权利要求3所述的方法,其特征在于,所述方法还包括:获取样本图像序列,从所述样本图像序列中抽取样本图像子序列;获取样本字符序列,从所述样本字符序列中抽取样本字符子序列;将所述样本图像子序列转为样本图像特征子序列,并将所述样本字符子序列的样本字符特征子序列,将所述样本图像特征子序列和所述样本字符特征子序列对位拼接为第二样本多模态特征序列;调用所述多模态特征提取模型对所述第二样本多模态特征序列进行编码,得到第二样本结构化特征序列;调用关系判别模型对所述第二样本结构化特征序列进行解码,得到预测上下文关系;获取所述样本图像子序列和所述样本字符子序列之间的上下文关系标签,根据所述预测上下文关系和所述上下文关系标签训练所述多模态特征提取模型。6.根据权利要求3所述的方法,其特征在于,所述方法还包括:获取样本字符序列,将所述样本字符序列转换为样本字符特征序列;调用所述多模态特征提取模型对所述样本字符特征序列进行编码,得到第三样本结构化特征序列;调用类型判别模型对所述第三样本结构化特征序列进行解码,得到预测类别;获取所述样本字符序列的类别标签,根据所述预测类别和所述类别标签训练所述多模态特征提取模型。7.根据权利要求2所述的方法,其特征在于,所述结构化类别包括键结构类别和值结构类别,当所述数据序列至少包括字符序列时,所述根据所述数据序列和所述数据序列中每个数据的结构化类别,创建与所述待识别图像对应的结构化文档,包括:将属于所述键结构类别的字符组合为键字段,将属于所述值结构类别的字符组合为值字段,所述键...
【专利技术属性】
技术研发人员:曹浩宇,包志敏,王斌,刘银松,姜德强,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。