[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

说明书

本申请涉及一种图像文件的版面分析方法、装置、计算机设备和存储介质。所述方法涉及图像处理，包括：获取待识别的图像文件，对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。根据字符识别结果，获取待识别的图像文件对应的文本信息和坐标信息，基于文本信息、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字段输入向量进行分类处理，得到与待识别的图像文件对应的版面分析结果。采用本方法结合字符识别结果得到的各字段的坐标信息和文本信息，进行版面分析，无需依赖特定场景，可应用于具有不同数量的字段的图像文件，通用性更高，同时通过综合考虑坐标位置和文本内容，可提升对图像文件的识别准确率。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种图像文件的版面分析方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，以及字符识别技术(OCR技术)的广泛应用，出现了利用结合人工智能技术的OCR项目，通过把图片上的文字转换成字符格式的文字，以便于计算机对文本进行处理和分析。

传统上，OCR项目先用检测模型检测图片上的文字得到文本行坐标，再根据坐标裁剪出文本行图片然后用识别模型识别文字，得到图片上的文本坐标和文本内容。

而传统上利用OCR项目进行字符识别的方式，无法得知识别出的字符对应的具体字段，进而无法进一步无法完成文本分析和处理。为实现对图片字符识别和文本分析处理，出现了将图片上识别得到的坐标、内容、关键字以及参考位等信息结合正则表达式，并多次遍历全部识别结果以进行匹配的方式。但上述结合正则表达式的识别、匹配方式，多用于字段比较少的图片，比如身份证、银行卡等。对于字段比较多的比如增值税发票等的识别和处理，上述结合多项信息进行多次遍历识别的方式，仍然存在易出错、准确率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升对包含多字段的图像文件进行识别和分析时的准确率的图像文件的版面分析方法、装置、计算机设备和存储介质。

一种图像文件的版面分析方法，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。

在其中一个实施例中，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。

在其中一个实施例中，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。