[发明专利]表格结构化方法、装置、电子设备及存储介质

权利要求书

1.一种表格结构化方法，其特征在于，包括：

确定待结构化图像所包含表格的单元格信息和文本信息；

基于所述单元格信息，对所述表格中各个线段进行延伸，得到所述表格的最小单元尺寸，基于所述最小单元尺寸建立网格；

基于所述单元格信息和所述文本信息，将所述表格中的各个单元格以及各个文本行映射到所述网格中，得到所述表格的结构化信息。

2.根据权利要求1所述的表格结构化方法，其特征在于，所述确定待结构化图像所包含表格的单元格信息和文本信息，具体包括：

将所述待结构化图像输入至单元格信息提取模型，得到所述单元格信息提取模型输出的所述待结构化图像所包含表格的单元格信息；所述单元格信息提取模型是基于样本图像及其对应的样本单元格信息训练得到的；

将所述待结构化图像输入至文本信息提取模型，得到所述文本信息提取模型输出的所述待结构化图像所包含表格的文本信息；所述文本信息提取模型是基于所述样本图像及其对应的样本文本信息训练得到的。

3.根据权利要求2所述的表格结构化方法，其特征在于，所述将所述待结构化图像输入至文本信息提取模型，得到所述文本信息提取模型输出的所述待结构化图像的文本信息，具体包括：

将所述待结构化图像输入至所述文本信息提取模型的文本检测层，得到所述文本检测层输出的所述待结构化图像所包含的所述表格中的每一文本行的位置信息；

将任一文本行的区域图像输入至所述文本信息提取模型的文本识别层，得到所述文本识别层输出的所述任一文本行中的每一单字及其位置信息；所述任一文本行的区域图像是基于所述任一文本行的位置信息在所述待结构化图像中定位得到的。

4.根据权利要求2所述的表格结构化方法，其特征在于，所述得到所述单元格信息提取模型输出的所述待结构化图像所包含表格的单元格信息，之后还包括：

基于所述单元格信息包含的所述表格中的各个单元格的位置信息，确定所述表格中各个单元格之间的拓扑关系；

基于所述表格中各个单元格之间的拓扑关系，对所述单元格信息进行修正。

5.根据权利要求1所述的表格结构化方法，其特征在于，所述基于所述单元格信息和所述文本信息，将所述表格中的各个单元格以及各个文本行映射到所述网格中，得到所述表格的结构化信息，具体包括：

基于所述单元格信息，将所述表格中的各个单元格映射到所述网格中；

基于所述文本信息包含的所述表格中的各个文本行的位置信息和/或各个文本行中各个单字的位置信息，将所述表格中的各个文本行映射到所述网格的单元格区域中，得到所述表格的结构化信息。

6.根据权利要求5所述的表格结构化方法，其特征在于，所述基于所述文本信息包含的所述表格中的各个文本行的位置信息和各个文本行中各个单字的位置信息，将所述表格中的各个文本行映射到所述网格的单元格区域中，得到所述表格的结构化信息，具体包括：

若任一文本行与任一单元格之间的文本行区域占比大于第一预设阈值，则确定所述任一文本行属于所述任一单元格在所述网格中映射所得的单元格区域；

若所述文本行区域占比小于第二预设阈值，则确定所述任一文本行不属于所述任一单元格在所述网格中映射所得的单元格区域；

否则，基于所述任一文本行中的任一单字的位置信息，将所述任一文本行映射到所述网格的单元格区域中；

其中，所述文本行区域占比为所述任一文本行的位置信息所指示的文本行区域和所述任一单元格在所述网格中映射所得的单元格区域的交集，与所述文本行区域的面积之比。