CN111523292A - 用于获取图像信息的方法和装置 - Google Patents
用于获取图像信息的方法和装置 Download PDFInfo
- Publication number
- CN111523292A CN111523292A CN202010325580.7A CN202010325580A CN111523292A CN 111523292 A CN111523292 A CN 111523292A CN 202010325580 A CN202010325580 A CN 202010325580A CN 111523292 A CN111523292 A CN 111523292A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- category
- target
- text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 230000000875 corresponding Effects 0.000 claims abstract description 39
- 230000001537 neural Effects 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000015654 memory Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000000034 method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001413 cellular Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 230000000306 recurrent Effects 0.000 description 1
- 230000001953 sensory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
Abstract
本申请公开了用于获取图像信息的方法和装置,涉及计算机视觉技术领域。具体实施方式包括:利用深度神经网络,对待处理图像进行检测,得到所述待处理图像中目标的类别和位置,其中,所述待处理图像包括至少一个类别的目标;基于所得到的位置对应的类别,解析所得到的位置的目标,得到可编辑的解析结果;按照各个所述解析结果在所述待处理图像中对应的所得到的位置,进行文档重建,得到可编辑文档。本申请可以基于各个位置对应的类别,准确地解析在各个位置的目标,并且可以基于至少一个目标的类别中各个目标的类别,对图像进行更加全面的解析。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及计算机视觉技术领域,尤其涉及用于获取图像信息的方法和装置。
背景技术
将纸质文档,转换为可编辑的文档,主要是利用光学字符识别(OpticalCharacter Recognition,OCR)技术,以对包含文档的图像进行分析,实现信息的自动化提取。
具体地,光学字符识别技术可以针对印刷体字符,采用光学的方式将文档中的文字转换成为黑白点阵的图像文件,并通过识别软件将图像中的内容转换成文本格式。如何消除识别软件的识别错误或利用其它手段提高识别正确率,是光学字符识别技术的重要课题。
发明内容
提供了一种用于获取图像信息的方法、装置、电子设备以及存储介质。
根据第一方面,提供了一种用于获取图像信息的方法,包括:利用深度神经网络,对待处理图像进行检测,得到待处理图像中目标的类别和位置,其中,待处理图像包括至少一个类别的目标;基于所得到的位置对应的类别,解析所得到的位置的目标,得到可编辑的解析结果;按照各个解析结果在待处理图像中对应的所得到的位置,进行文档重建,得到可编辑文档。
根据第二方面,提供了一种用于获取图像信息的装置,包括:检测单元,被配置成利用深度神经网络,对待处理图像进行检测,得到待处理图像中目标的类别和位置,其中,待处理图像包括至少一个类别的目标;解析单元,被配置成基于所得到的位置对应的类别,解析所得到的位置的目标,得到可编辑的解析结果;重建单元,被配置成按照各个解析结果在待处理图像中对应的所得到的位置,进行文档重建,得到可编辑文档。
根据第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如用于获取图像信息的方法中任一实施例的方法。
根据第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如用于获取图像信息的方法中任一实施例的方法。
根据本申请的方案,可以基于各个位置对应的类别,准确地解析在各个位置的目标,并且可以基于至少一个目标的类别中各个目标的类别,对图像进行更加全面的解析。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请一些实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于获取图像信息的方法的一个实施例的流程图;
图3是根据本申请的用于获取图像信息的方法的一个应用场景的示意图;
图4是根据本申请的用于获取图像信息的方法的又一个实施例的流程图;
图5是根据本申请的用于获取图像信息的装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的用于获取图像信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于获取图像信息的方法或用于获取图像信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对待处理图像等数据进行分析等处理,并将处理结果(例如可编辑文档)反馈给终端设备。
需要说明的是,本申请实施例所提供的用于获取图像信息的方法可以由服务器105或者终端设备101、102、103执行,相应地,用于获取图像信息的装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于获取图像信息的方法的一个实施例的流程200。该用于获取图像信息的方法,包括以下步骤:
步骤201,利用深度神经网络,对待处理图像进行检测,得到待处理图像中目标的类别和位置,其中,待处理图像包括至少一个类别的目标。
在本实施例中,用于获取图像信息的方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以利用深度神经网络,对待处理图像进行检测,检测结果为上述待处理图像中目标的位置,以及每个位置的目标的类别。因而,每个所得到的位置都具有对应的类别。每个所得到的位置包括一个目标,因而各个所得到的位置包括至少一个类别的目标。目标也即图像中的对象。目标的类别可以是各种各样的,比如,文本类别(文本类别可以包括公式)。这里的目标指图像语义较为完整的目标,比如一个表格或者待处理图像中连续的各个文本段落,而不是表格中的一个字符或者文本段落(包括多行)中的一行。
具体地,上述深度神经网络为多分类模型,能够检测到图像中的目标的位置,并对目标划分类别。目标的位置可以采用矩形框的位置来确定,比如可以是矩形框的中心点坐标以及宽、高,或者矩形框的四个顶点的坐标等等。
步骤202,基于所得到的位置对应的类别,解析所得到的位置的目标,得到可编辑的解析结果。
在本实施例中,上述执行主体可以对在各个所得到的位置的目标进行解析。解析结果可以是字符、图形等等。在实践中,上述执行主体可以采用各种方式基于每个位置对应的类别,对每个位置的目标进行解析。比如,上述执行主体可以将得到的位置所在的局部图像和类别标识,输入预先训练的图像识别模型,从而利用该图像识别模型识别出与该类别标识对应的局部目标。该图像识别模型用于表征局部图像、类别标识两者与解析出的解析结果之间的对应关系。这里的图像识别模型可以是各种深度神经网络比如卷积神经网络。
步骤203,按照各个解析结果在待处理图像中对应的所得到的位置,进行文档重建,得到可编辑文档。
在本实施例中,上述执行主体可以将在各个所得到的位置解析出的各个解析结果进行组合以实现文档重建,组合的结果为可编辑文档。具体地,在可编辑文档中,每个解析结果与另一个解析结果之间的位置关系,和在待处理图像中,解析出该解析结果的位置与解析出该另一个解析结果的位置之间的位置关系相同。
本申请的上述实施例提供的方法可以基于各个位置对应的类别,准确地解析在各个位置的目标,并且可以基于至少一个目标的类别中各个目标的类别,对图像进行更加全面的解析。
在本实施例的一些可选的实现方式中,至少一个类别包括文本类别,文本类别包括正文类别或标题类别;步骤202可以包括:响应于各个所得到的位置中包括文本类别的目标的位置,对文本类别的目标的位置在待处理图像中的局部图像,进行行检测,得到在待处理图像中每行文本的局部图像;对每行文本的局部图像进行文本识别,将文本识别结果作为解析结果。
在这些可选的实现方式中,上述执行主体可以响应于检测到的位置中,包括文本类别的目标的位置,可以对该位置进行行检测,从而得到每行文本的局部图像。之后,上述执行主体可以对每行文本的局部图像进行文本识别,并将文本识别的结果作为步骤202中的解析结果。在待处理图像仅存在一个类别的目标的情况下,这里的文本识别结果可以是全部的解析结果。而在待处理图像存在至少两个类别的目标的情况下,这里的文本识别结果可以是上述解析结果之一。在实践中,行检测的方式可以是各种各样的,比如可以利用预先训练的卷积神经网络对上述文本类别的目标的位置在待处理图像中的局部图像进行图像分割,从而得到每行文本的局部图像。
这些实现方式可以在检测到文本类别的情况下,对文本类别的目标进行有针对性的文本识别,从而得到准确的解析结果。
在这些实现方式的一些可选的应用场景中,这些实现方式中的对文本类别的目标的位置在待处理图像中的局部图像,进行行检测,得到在待处理图像中每行文本的局部图像,可以包括:对文本类别的目标的位置在待处理图像中的局部图像,进行自然场景文本检测,得到在待处理图像中每行文本的局部图像;以及这些实现方式中的对每行文本的局部图像进行文本识别,可以包括:将每行文本的局部图像,输入卷积循环神经网络进行文本识别,得到每行文本的文本识别结果。
在这些可选的应用场景中,上述执行主体可以利用自然场景文本检测(AnEfficient and Accurate Scene Text Detector,EAST)技术进行行检测。在实践中,该技术所采用的基础网络(backbone)可以为resnet50结构。并且,上述执行主体可以利用卷积循环神经网络(CRNN)对行检测的结果进行文本识别。
这些应用场景可以利用自然场景文本检测提高检测的准确度,并且利用卷积循环神经网络提高文本识别的准确度。
在本实施例的一些可选的实现方式中,至少一个类别包括印章类别;步骤202可以包括:响应于各个所得到的位置中包括印章类别的目标的位置,识别印章类别的目标的位置在待处理图像中的局部图像中的字符和/或图形;将字符和/或图形作为解析结果。
在这些可选的实现方式中,上述执行主体可以对印章类别的目标进行识别,也即对待处理图像中印章类别的目标的位置所在的局部图像进行识别。识别结果可以是任意字符,还可以是图形。举例来说,图形可以是规则图形比如正方形、五角星等等。
这些实现方式中的识别方式可以避免识别目标时,其中的印章类别被忽略的问题,从而获得对目标更加全面的识别结果。
在这些实现方式的一些可选的应用场景中,这些实现方式中的识别印章类别的目标的位置在待处理图像中的局部图像中的字符和/或图形,可以包括:将印章类别的目标的位置在待处理图像中的局部图像,输入注意力模型,得到该局部图像中的字符和/或图形。
在这些可选的应用场景中,上述执行主体可以利用注意力模型(attentionmodel),将二维的局部图像,转换为该局部图像中的字符和/或图像,实现印章类别的目标的识别。这些应用场景可以利用注意力模型,提高对印章的识别准确度。
在本实施例的一些可选的实现方式中,待处理图像包括至少两个类别的目标,至少两个类别包括图像类别;上述方法还可以包括:响应于各个所得到的位置中包括图像类别的目标的位置,将图像类别的目标的位置在待处理图像中的局部图像作为目标局部图像进行存储;以及步骤203可以包括:按照各个所述解析结果在所述待处理图像中对应的所得到的位置,以及所述目标局部图像在所述待处理图像中的所得到的位置,进行文档重建,得到可编辑文档。
在这些可选的实现方式中,上述执行主体可以存储待处理图像中图像类别的目标的位置对应的局部图像,并利用该局部图像的位置进行文档重建。图像类别的目标可以是各种各样的,比如柱状图、线条图等等。待处理图像中包括至少两个类别的目标,不仅可以包括图像类别,还可以包括以下的至少一项:文本类别、表格类别、印章类别。
这些实现方式可以避免识别目标过程中,图像类别被忽略的问题,提高了识别的全面性和召回率。
继续参见图3,图3是根据本实施例的用于获取图像信息的方法的应用场景的一个示意图。在图3的应用场景中,执行主体301利用深度神经网络,对待处理图像302进行检测,得到待处理图像中目标的类别303比如文本类别和位置(x1,y1,w,h)304,其中,待处理图像包括至少一个类别的目标,比如文本类别和表格类别。执行主体301基于所得到的位置304对应的类别303,解析所得到的位置的目标,得到可编辑的解析结果305。执行主体301按照各个解析结果305在待处理图像中对应的所得到的位置304,进行文档重建,得到可编辑文档306。
进一步参考图4,其示出了用于获取图像信息的方法的一个实施例的流程400。该流程400,包括以下步骤:
步骤401,利用深度神经网络,对待处理图像进行检测,得到待处理图像中目标的类别和位置,其中,待处理图像包括至少一个类别的目标。
在本实施例中,用于获取图像信息的方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以利用深度神经网络,对待处理图像进行检测,检测结果为上述待处理图像中目标的位置,以及每个位置的目标的类别。因而,每个所得到的位置都具有对应的类别。每个所得到的位置包括一个目标,各个所得到的位置包括至少一个类别的目标。目标也即图像中的对象。
步骤402,响应于各个所得到的位置中包括表格类别的目标的位置,识别表格类别的目标的位置在待处理图像中的局部图像中的字符,将字符作为解析结果。
在本实施例中,上述至少一个类别包括表格类别。上述执行主体可以识别表格类别的目标的位置对应的局部图像中的字符,并将识别出的字符作为待处理图形对应的全部解析结果或者解析结果之一。
在本实施例的一些可选的实现方式中,步骤402中的识别表格类别的目标的位置在待处理图像中的局部图像中的字符,可以包括:检测表格类别的目标的位置在待处理图像中的局部图像中的表格线;响应于表格类别的目标的位置在待处理图像中的局部图像中存在表格线,基于检测到的表格线,对该局部图像进行切分,并利用预设深度神经网络,识别切分结果中的字符,其中,预设深度神经网络为卷积循环神经网络;响应于表格类别的目标的位置在待处理图像中的局部图像中不存在表格线,对该局部图像进行命名实体识别,得到该局部图像中的字符。
在这些可选的实现方式中,上述执行主体可以首先检测局部图像中的表格线,并基于检测结果识别该局部图像中的字符。具体地,在检测到表格线的情况下,上述执行主体可以将检测到的表格线的位置作为切分的位置,对局部图像进行切分,并识别各个切分结果。在未检测到表格线的情况下,上述执行主体可以对局部图像进行命名实体识别(NamedEntity Recognition,NER),识别的结果为该局部图像中的字符。
在实践中,上述执行主体可以采用各种方式检测表格线,比如,可以利用LSD(LineSegment Detector)算法,也即直线段检测算法。
这些实现方式可以通过检测表格线,从而在有或没有表格线两个情况下,均采用适宜的识别方式,提高了识别的准确度。并且,这些实现方式利用预设深度神经网络和命名实体识别,进一步有效提高了识别的准确度。
步骤403,按照各个解析结果在待处理图像中对应的所得到的位置,进行文档重建,得到可编辑文档。
在本实施例中,上述执行主体可以将在各个所得到的位置解析出的各个解析结果进行组合以实现文档重建,组合的结果为可编辑文档。具体地,在可编辑文档中,每个解析结果与另一个解析结果之间的位置关系,和在待处理图像中,解析出该解析结果的位置与解析出该另一个解析结果的位置之间的位置关系相同。
本实施例可以在图像包括表格类别目标的情况下,针对表格类别进行识别,准确地识别出表格中的字符。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于获取图像信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于获取图像信息的装置500包括:检测单元501、解析单元502和重建单元503。其中,检测单元501,被配置成利用深度神经网络,对待处理图像进行检测,得到待处理图像中目标的类别和位置,其中,待处理图像包括至少一个类别的目标;解析单元502,被配置成基于所得到的位置对应的类别,解析所得到的位置的目标,得到可编辑的解析结果;重建单元503,被配置成按照各个解析结果在待处理图像中对应的所得到的位置,进行文档重建,得到可编辑文档。
在本实施例中,用于获取图像信息的装置500的检测单元501、解析单元502和重建单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,所述至少一个类别包括文本类别,所述文本类别包括正文类别或标题类别;所述解析单元,包括:第一文本识别模块,被配置成响应于各个所得到的位置中包括文本类别的目标的位置,对所述文本类别的目标的位置在所述待处理图像中的局部图像,进行行检测,得到在所述待处理图像中每行文本的局部图像;第二文本识别模块,被配置成对每行文本的局部图像进行文本识别,将文本识别结果作为所述解析结果。
在本实施例的一些可选的实现方式中,所述第一文本识别模块,进一步被配置成:对所述文本类别的目标的位置在所述待处理图像中的局部图像,进行自然场景文本检测,得到在所述待处理图像中每行文本的局部图像;以及所述第二文本识别模块,进一步被配置成将每行文本的局部图像,输入卷积循环神经网络进行文本识别,得到每行文本的文本识别结果。
在本实施例的一些可选的实现方式中,所述至少一个类别包括表格类别;所述解析单元,包括:第一表格识别模块,被配置成响应于各个所得到的位置中包括所述表格类别的目标的位置,识别所述表格类别的目标的位置在所述待处理图像中的局部图像中的字符;第二表格识别模块,被配置成将所述字符作为所述解析结果。
在本实施例的一些可选的实现方式中,所述第一表格识别模块,进一步被配置成:检测所述表格类别的目标的位置在所述待处理图像中的局部图像中的表格线;响应于所述表格类别的目标的位置在所述待处理图像中的局部图像中存在表格线,基于检测到的表格线,对该局部图像进行切分,并利用预设深度神经网络,识别切分结果中的字符,其中,所述预设深度神经网络为卷积循环神经网络;响应于所述表格类别的目标的位置在所述待处理图像中的局部图像中不存在表格线,对该局部图像进行命名实体识别,得到该局部图像中的字符。
在本实施例的一些可选的实现方式中,所述至少一个类别包括印章类别;所述解析单元,包括:第一印章识别模块,被配置成响应于各个所得到的位置中包括所述印章类别的目标的位置,识别所述印章类别的目标的位置在所述待处理图像中的局部图像中的字符和/或图形;第二印章识别模块,被配置成将所述字符和/或图形作为所述解析结果。
在本实施例的一些可选的实现方式中,所述第一印章识别模块,进一步被配置成:将所述印章类别的目标的位置在所述待处理图像中的局部图像,输入注意力模型,得到该局部图像中的字符和/或图形。
在本实施例的一些可选的实现方式中,所述待处理图像包括至少两个类别的目标,所述至少两个类别包括图像类别;所述装置还包括:存储单元,被配置成响应于各个所得到的位置中包括所述图像类别的目标的位置,将所述图像类别的目标的位置在所述待处理图像中的局部图像作为目标局部图像进行存储;以及所述重建单元,进一步被配置成:按照各个所述解析结果在所述待处理图像中对应的所得到的位置,以及所述目标局部图像在所述待处理图像中的所得到的位置,进行文档重建,得到可编辑文档。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的用于获取图像信息的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的用于获取图像信息的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于获取图像信息的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于获取图像信息的方法对应的程序指令/模块(例如,附图5所示的检测单元501、解析单元502和重建单元503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于获取图像信息的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于获取图像信息的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至用于获取图像信息的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于获取图像信息的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与用于获取图像信息的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括检测单元、解析单元和重建单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,检测单元还可以被描述为“利用深度神经网络,对待处理图像进行检测,得到待处理图像中目标的类别和位置的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:利用深度神经网络,对待处理图像进行检测,得到待处理图像中目标的类别和位置,其中,待处理图像包括至少一个类别的目标;基于所得到的位置对应的类别,解析所得到的位置的目标,得到可编辑的解析结果;按照各个解析结果在待处理图像中对应的所得到的位置,进行文档重建,得到可编辑文档。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。