[发明专利]一种表格结构提取方法及系统

说明书

本发明公开了一种表格结构提取方法及系统，其中所述方法包括将表格图片输入预先训练的神经网络模型，得到输出的对应的图片标注；对所述图片标注进行处理，获得对应的表格结构。应用本发明所述方案，能够进行自动化的表格结构提取，节约大量的人力成本；同时对表格图片的旋转、模糊以及表格图片中的噪声不敏感，具有广泛的适用性。

【技术领域】

本发明涉及计算机应用技术，特别涉及表格结构提取方法及系统。

【背景技术】

表格是由行与列构成的一种组织、整理数据的有效手段，其清晰、可视化的交流模式，使其在数据分析、科学研究甚至大众的生活中被广泛使用。而表格的存在形式主要有计算机电子表格、纸质印刷表格两种，由于其不同的应用场景，经常会有在两种方式间转换的需求。电子表格到纸质表格通过打印即可，而纸质印刷表格到电子表格通常有两种方式：1.按照表格的样式，进行人工录入计算机；2.扫描、拍照成图片，然后在计算机上对扫描、拍照获取的图片进行表格提取。在纸质印刷表格到电子表格的转换过程中，人工录入的工作量较大、成本较高，而通过计算机处理又对扫描、拍照的要求较高，表格倾斜、旋转、模糊都会限制对表格的提取。

【发明内容】

本申请的多个方面提供了表格结构提取方法、系统、设备及存储介质，能够进行自动化的表格结构提取。

本申请的一方面，提供一种表格结构提取方法，包括：将表格图片输入预先训练的神经网络模型，得到输出的对应的图片标注；

对所述图片标注进行处理，获得对应的表格结构。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，将表格图片输入预先训练的神经网络模型之前，所述方法还包括，对所述表格图片进行预处理，增强表格结构部分。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述神经网络模型是通过以下步骤训练得到的：对数据集中的表格图片进行人工标注，得到对应的文本标注；将所述文本标注转换为图片标注；将带有图片标注的表格图片作为预设神经网络模型的输入，得到预测的图片标注；根据所述图片标注与所述预测输出的欧氏距离作为损失函数；通过回归训练更新所述预设神经网络模型直到满足预设训练条件。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述神经网络模型为全卷积神经网络模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述更新所述预设神经网络模型直到满足预设训练条件包括：通过所述图片标注与所述预测输出的欧氏距离，来更新预设神经网络模型中的参数；

重复训练直到网络参数收敛或到达最大迭代次数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述文本标注为使用所述表格图片中的直线的端点坐标进行的标注。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述将所述文本标注转换为图片标注包括：根据所述文本标注，生成对应表格图片中的竖线、横线、交点的三个图片作为图片标注。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述将所述文本标注转换为图片标注之后还包括：利用随机生成的仿射矩阵，进行表格图片、对应的图片标注的相同位置进行裁剪，将裁剪得到的表格图片、对应的图片标注加入数据集。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对所述图片标签进行处理，获得对应的表格结构包括：对所述对应表格图片中的竖线、横线、交点的三个图片标注进行图像处理，获取对应的坐标信息，生成对应的表格结构。

本发明的另一方面，提供一种表格结构提取系统，包括：

图片标注获取模块，用于将表格图片输入预先训练的神经网络模型，得到输出的对应的图片标注；