[发明专利]基于深度学习模型创建纸质文档结构化数据的方法和终端

权利要求书

1.基于深度学习模型创建纸质文档结构化数据的方法，其特征在于，包括：

S1、预设文档训练样本集；收集1000张票据图片，经过处理后作为样本，所述训练样本集中的每一样本包括纸质文档OCR识别结果和与所述纸质文档OCR识别结果对应的标注文档；所述标注文档记录所述文档OCR识别结果中每一关键字段的位置信息和类别信息；

S2、使用所述训练样本集训练预设的第一深度学习模型，得到第二深度学习模型；第一深度学习模型用于目标检测，使得通过文档训练样本集训练后得到的第二深度学习模型；

S3、所述第二深度学习模型分析第一纸质文档OCR识别结果，得到所述纸质文档OCR识别结果中每一关键字段的位置信息和类别信息；

S4、根据所述第一纸质文档OCR识别结果中每一关键字段的位置信息和类别信息创建与所述第一纸质文档OCR识别结果对应的结构化文档；

所述S4具体为：

S41、获取一关键字段的位置信息，得到当前位置信息；

S42、截取所述第一纸质文档OCR识别结果中与所述当前位置信息对应的图像信息，得到关键字段图像切片；

S43、识别所述关键字段图像切中的字符，得到数据信息；

S44、添加所述一关键字段的类别信息和文本信息至预设的结构化文档；

S45、重复执行S41至S44，直至与所述第一纸质文档OCR识别结果对应的每一关键字段均被遍历；

所述S2具体为：

S21、为每一类别信息分配一个唯一的数字编号；

S22、所述第一深度学习模型识别所述训练样本集中的一样本，得到信息集合；所述信息集合包括位置信息和类别信息；

S23、获取与所述一样本对应的标注文档，得到当前标注文档；

S24、比较所述信息集合和所述当前标注文档，计算得到误差值；所述信息集合和所述当前标注文档中的类别信息均使用所述数字编号表示；

S25、根据所述误差值调整所述第一深度学习模型的参数；

S26、重复执行S22至S25，直至所述误差值小于预设的阈值，得到所述第二深度学习模型；

深度学习模型结构采用卷积神经网络和长短时记忆网络以及CTC的结构。

2.根据权利要求1所述的基于深度学习模型创建纸质文档结构化数据的方法，其特征在于，所述第一深度学习模型用于目标检测。