[发明专利]字段识别方法、装置、电子设备、存储介质和程序产品

权利要求书

1.一种字段识别方法，包括：

预测图像数据包括的多个字段；

提取每个字段的特征信息；

基于所述多个字段的特征信息，构建所述多个字段的共同编码特征；

基于多个查询向量对所述共同编码特征进行解码，得到所述多个查询向量对应的多个解码特征，任一所述查询向量关联目标字段和一个候选字段；

从所述多个解码特征中确定目标解码特征，并将所述目标解码特征对应的查询向量所关联的候选字段确定所述目标字段的关联字段；

其中，所述基于所述多个字段的特征信息，构建所述多个字段的共同编码特征，包括：

通过预先配置的多层特征编码器预测所述多个字段在多个维度上的综合共同编码特征，其中，所述多层特征编码器的第一层输入包括所述多个字段的特征信息，所述多层特征编码器的第n层的输入为包括第n-1层的输出，n为大于1的整数。

2.根据权利要求1所述的方法，其中，所述提取每个字段的特征信息，包括：

提取每个字段的图像特征、位置特征和文本语义特征，其中，所述特征信息为所述图像特征、位置特征和文本语义特征的融合特征信息。

3.根据权利要求1所述的方法，任一所述查询向量包括所述目标字段的标识信息和一个候选字段的标识信息；

所述方法还包括：

为每个字段分配标识信息，并将每个字段的标识信息更新至对应的特征信息中；

其中，所述多层特征编码器的第一层输入包括所述多个字段的包括标识信息的特征信息。

4.根据权利要求1所述的方法，其中，所述基于多个查询向量对所述共同编码特征进行解码，得到所述多个查询向量对应的多个解码特征，包括：

通过预先配置的多层特征解码器对所述共同编码特征进行多次解码操作，得到所述多个查询向量对应的多个解码特征，其中，每次解码操作过程中，所述多层特征解码器的第一层的输入包括一个所述查询向量和所述共同编码特征，所述多层特征编码器的第n层的输入为包括第n-1层的输出，n为大于1的整数。

5.根据权利要求1所述的方法，其中，所述从所述多个解码特征中确定目标解码特征，并将所述目标解码特征对应的查询向量所关联的候选字段确定所述目标字段的关联字段，包括：

分别对所述多个解码特征进行降维处理，得到多个一维解码特征，并计算每个一维解码特征的匹配条件概率，并将目标一维解码特征对应的查询向量所关联的候选字段确定所述目标字段的关联字段，所述目标一维解码特征的匹配条件概率满足预设条件。

6.一种字段识别装置，包括：

预测模块，用于预测图像数据包括的多个字段；

提取模块，用于提取每个字段的特征信息；

构建模块，用于基于所述多个字段的特征信息，构建所述多个字段的共同编码特征；

解码模块，用于基于多个查询向量对所述共同编码特征进行解码，得到所述多个查询向量对应的多个解码特征，任一所述查询向量关联目标字段和一个候选字段；

确定模块，用于从所述多个解码特征中确定目标解码特征，并将所述目标解码特征对应的查询向量所关联的候选字段确定所述目标字段的关联字段；

其中，所述构建模块用于通过预先配置的多层特征编码器预测所述多个字段在多个维度上的综合共同编码特征，其中，所述多层特征编码器的第一层输入包括所述多个字段的特征信息，所述多层特征编码器的第n层的输入为包括第n-1层的输出，n为大于1的整数。

7.根据权利要求6所述的装置，其中，所述提取模块用于提取每个字段的图像特征、位置特征和文本语义特征，其中，所述特征信息为所述图像特征、位置特征和文本语义特征的融合特征信息。

8.根据权利要求6所述的装置，任一所述查询向量包括所述目标字段的标识信息和一个候选字段的标识信息；

所述装置还包括：

更新模块，用于为每个字段分配标识信息，并将每个字段的标识信息更新至对应的特征信息中；

其中，所述多层特征编码器的第一层输入包括所述多个字段的包括标识信息的特征信息。