买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京计算机技术及应用研究所申请的专利一种基于混合视觉策略的异构表格抽取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119832581B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411743106.0，技术领域涉及：G06V30/414；该发明授权一种基于混合视觉策略的异构表格抽取方法是由栾真;王又辰;胡峻杰;杨雨婷;刘琦;宋伟;冀亮亮;刘兵设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于混合视觉策略的异构表格抽取方法在说明书摘要公布了：本发明涉及一种基于混合视觉策略的异构表格抽取方法，属于人工智能、大数据、计算机视觉、自然语言处理技术领域。本发明通过改进现有的表格解析技术，并结合深度学习和自然语言处理技术，提升表格数据的识别准确率与提取效率，为构建高质量的军事知识库奠定基础。本发明改善了当前表格数据识别中的技术瓶颈，也为未来军事情报分析和自动化决策系统提供了数据支持。

本发明授权一种基于混合视觉策略的异构表格抽取方法在权利要求书中公布了：1.一种基于混合视觉策略的异构表格抽取方法，其特征在于，包括以下步骤： 步骤一：基于改进MaskR-CNN和Unet进行表格区域识别和结构化分析 在表格区域识别和结构化分析中，采用改进的MaskR-CNN和Unet模型相结合的方法来实现表格区域检测和结构解析；对MaskR-CNN模型进行如下改进：引入边缘感知损失函数，使模型在学习过程中对表格边缘像素赋予更高的权重； 引入边缘感知损失函数对MaskR-CNN模型改进的具体方法如下：首先使用图像梯度生成边缘图Ex,y，表示图像中每个像素是否为表格边缘像素： 对于每个像素，将分割误差与其边缘标签关联，定义边缘感知损失为： 其中：px,y是真实的表格像素标签；是模型预测的像素分割概率；ωx,y是权重函数，根据边缘图Ex，y进行定义： ωx,y＝1+αEx,y3 其中α为一个常数且满足α1，以赋于边缘像素更高的权重；最终损失函数表示为： Ltotal＝Lmask+λLedge4 其中，Lmask是原MaskR-CNN模型的损失函数，λ为控制边缘损失的重要性系数； 然后将改进的MaskR-CNN和Unet模型相结合，通过前者的表格区域检测结果输出，为后者的结构化分析提供准确的初始区域；具体实现流程为：首先使用改进的MaskR-CNN模型检测并定位表格区域，生成表格的像素级掩码图；接着，将该像素级掩码图输入到Unet模型中，进行、列和单元格的细致分割，得到表格的结构化表示； 步骤二：基于IoT指标，采用PP-OCRv4模型进行表格文本抽取 首先，利用PP-OCRv4模型的文本检测模块的可微分二值化算法，使用DBNet检测步骤一所得到的结构化表示的表格中的文本区域，通过对表格中的文本区域进行二值化，在复杂背景定位文本区域，并且通过反向传播调整二值化阈值；利用文本识别模块采用的轻量级卷积递归神经网络结构，提取文本区域中的特征，以及通过递归神经网络进行序列建模，以捕捉文本的时序依赖关系； 然后，引入IoT指标用于衡量文本区域与表格区域重叠程度的比值，通过评估文本区域与表格单元格的重叠比例，来判断文本是否完全位于表格单元格内部，其公式为： 设定一个IoT的阈值，用于判断文本是否足够在表格单元格内部以调整表格单元格边界，当IoT值过低时，通过自动调整表格单元格边界来增加表格单元格的大小，使得更多文本包含在表格单元格内部，如果文本超出表格单元格较大，将文本拆分为多行或者分页显示，以适应表格单元格的空间； 步骤三：基于BERT-BiLSTM-Attention-CRF，即由BERT网络、BiLSTM网络、Attention机制、CRF组成的模型实现表格中文本内容的理解及知识库建立。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京计算机技术及应用研究所，其通讯地址为：100854 北京市海淀区永定路51号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。