[发明专利]图像文件的版面分析方法、装置、计算机设备和存储介质

权利要求书

1.一种图像文件的版面分析方法，其特征在于，所述方法包括：

获取待识别的图像文件；

对所述待识别的图像文件进行字符识别，得到对应的字符识别结果；

根据所述字符识别结果，获取所述待识别的图像文件对应的文本信息和坐标信息；

基于所述文本信息、坐标信息进行字段编码，生成对应的字段输入向量；

根据训练好的文本分类模型对所述字段输入向量进行分类处理，得到与所述待识别的图像文件对应的版面分析结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述字符识别结果，获取所述待识别的图像文件对应的文本信息和坐标信息，包括：

根据所述字符识别结果，提取所述待识别的图像文件对应的各个字段；

获取各所述字段的文本信息，以及各所述字段在所述待识别的图像文件中的位置；

根据预设坐标系，以及各所述字段在所述待识别的图像文件中的位置，得到各所述字段的坐标信息。

3.根据权利要求2所述的方法，其特征在于，所述根据预设坐标系，以及各所述字段在所述待识别的图像文件中的位置，得到各所述字段的坐标信息，包括：

根据各所述字段在所述待识别的图像文件中的位置，确定所述待识别的图像文件上各文本框顶点对应的最小水平矩形框；

基于预设坐标系，确提取各所述最小水平矩形框对应的各顶点坐标；

基于各所述最小水平矩形框对应的各顶点坐标，进行归一化处理，得到各所述最小水平矩形框对应的相对坐标；

根据各所述最小水平矩形框对应的相对坐标，生成与各所述字段对应的坐标信息。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述对所述待识别的图像文件进行字符识别，得到对应的字符识别结果，包括：

根据训练好的字符识别模型，对所述待识别的图像文件进行字符识别，生成对应的字符识别结果；其中，所述训练好的字符识别模型，根据不同类型的图像文件组成的训练集对原始卷积神经网络模型训练得到。

5.根据权利要求1至3任意一项所述的方法，其特征在于，所述基于所述文本信息、坐标信息进行字段编码，生成对应的字段输入向量，包括：

获取所述坐标信息对应的字符数据；

建立所述文本信息和所述字符数据之间的关联关系；

基于预设字符表，以及所述文本信息、字符数据之间的关联关系，将与所述文本信息关联的字符数据转换成对应的数字索引；

根据所述数字索引和所述文本信息，得到各所述字段对应的字段输入向量。

6.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据训练好的文本分类模型对所述字段输入向量进行分类处理，得到与所述待识别的图像文件对应的版面分析结果，包括：

获取训练好的文本分类模型对应的字段标签；

根据各所述字段标签，对各所述字段输入向量的进行字段分类，确定与所述字段标签匹配的字段；

将与各所述字段标签匹配的字段对应的文本信息，按照与所述字段标签对应的预设输出格式，得到所述待识别的图像文件与对应的版面分析结果。

7.一种图像文件的版面分析装置，其特征在于，所述装置包括：

第一获取模块，用于获取待识别的图像文件；

字符识别结果生成模块，用于对所述待识别的图像文件进行字符识别，得到对应的字符识别结果；

第二获取模块，用于根据所述字符识别结果，获取所述待识别的图像文件对应的文本信息和坐标信息；

字段输入向量生成模块，用于基于所述文本信息、坐标信息进行字段编码，生成对应的字段输入向量；

版面分析结果生成模块，用于根据训练好的文本分类模型对所述字段输入向量进行分类处理，得到与所述待识别的图像文件对应的版面分析结果。