首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于文本文档的文字识别方法、装置、设备及存储介质 

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!

申请/专利权人:平安科技(深圳)有限公司

摘要:本发明涉及人工智能领域,公开了一种基于文本文档的文字识别方法、装置、设备及存储介质,用于提高文本识别效率。所述基于文本文档的文字识别方法包括:接收待识别的文本文档,并对文本文档进行预处理,得到标准化的文本图像;基于预置的光学字符识别引擎,对标准化的文本图像进行文字识别,得到标准化的文本图像对应的初始文本信息;对标准化的文本图像进行分割,得到多个文本图像片段;对多个文本图像片段和初始文本信息进行文本向量化处理,得到初始图像向量和初始文本向量;获取初始文本向量对应的标注信息,并根据标注信息确定各初始图像向量对应的目标文本信息。此外,本发明还涉及区块链技术,目标文本信息可存储于区块链节点中。

主权项:1.一种基于文本文档的文字识别方法,其特征在于,所述基于文本文档的文字识别方法包括:接收待识别的文本文档,并对所述文本文档进行预处理,得到标准化的文本图像;基于预置的光学字符识别引擎,对所述标准化的文本图像进行文字识别,得到所述标准化的文本图像对应的初始文本信息;根据所述标准化的文本图像对应的初始文本信息,对所述标准化的文本图像进行分割,得到多个文本图像片段;将所述多个文本图像片段输入训练好的图像特征提取模型进行图像向量化处理,得到各文本图像片段对应的初始图像向量,并对所述初始文本信息进行文本向量化处理,得到所述初始文本信息对应的初始文本向量;在预置的文本图像信息库中获取所述初始文本向量对应的标注信息,并根据所述标注信息确定各初始图像向量对应的目标文本信息;在所述接收待识别的文本文档,并对所述文本文档进行预处理,得到标准化的文本图像之前,所述基于文本文档的文字识别方法还包括:获取文本文档格式的样本文件,并将所述样本文件转化为图像格式,得到样本图像;提取所述样本文件中的样本文本信息,并对所述样本文本信息进行分词处理,得到分词结果;基于所述分词结果,对所述样本图像进行分割处理,得到多个样本图像片段;对所述分词结果进行文本向量化处理,得到样本文本向量,并对所述多个样本图像片段进行图像向量化处理,得到样本图像向量;按照所述样本文本向量对应的样本文本信息,对所述样本图像向量进行序列标注,得到各样本图像片段对应的标注信息,并生成文本图像信息库;所述在预置的文本图像信息库中获取所述初始文本向量对应的标注信息,并根据所述标注信息确定各初始图像向量对应的目标文本信息,包括:在所述文本图像信息库中查找所述初始文本向量对应的目标文本向量,并获取所述目标文本向量对应的标注信息;根据所述目标文本向量对应的标注信息,在所述文本图像信息库中获取各初始图像向量对应的目标图像向量,并分别判断各初始图像向量对应的目标图像向量与各初始图像向量之间的相似度是否小于预置阈值;若各初始图像向量对应的目标图像向量与各初始图像向量之间的相似度小于预置阈值,则在所述目标图像向量对应的标注信息中提取各初始图像向量对应的目标文本信息。

全文数据:

权利要求:

百度查询: 平安科技(深圳)有限公司 基于文本文档的文字识别方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。