[发明专利]一种基于开源Paddle框架的PDF文档识别方法在审
| 申请号： | 202310549326.9 | 申请日： | 2023-05-16 |
| 公开（公告）号： | CN116740723A | 公开（公告）日： | 2023-09-12 |
| 发明（设计）人： | 李青山;褚华;李佳楠;杨文勇 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06V30/148 | 分类号： | G06V30/148;G06V30/414;G06V10/82;G06V30/19;G06N3/0464;G06N3/08 |
| 代理公司： | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人： | 王丹 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于开源Paddle框架的PDF文档识别方法，包括：获取待识别PDF文档；通过PaddleOCR框架的预训练的文本检测模型和预训练的文字识别模型，以及OpenCV的形态学操作和投影分割，检测出PDF文档中每页的文本块，得到PDF文档的文本块列表；通过PaddleOCR框架的预训练的版面分析模型，识别PDF文档中每页的文本区域的类别，得到PDF文档的文本区域列表；根据文本块列表和文本区域列表，确定PDF文档的OCR识别文本；基于文本区域列表和字符提取工具，确定PDF文档的PDF识别文本；根据OCR识别文本和PDF识别文本生成对比文件；对比文件用于描述OCR识别文本和PDF识别文本之间的不同部分。本发明提高了文本检测的准确性、高效性和可靠性。 | ||
| 搜索关键词： | 一种 基于 paddle 框架 pdf 文档 识别 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310549326.9/，转载请声明来源钻瓜专利网。
