[发明专利]表格检测模型的训练方法、装置及表格检测方法、装置

权利要求书

1.一种表格检测模型的训练方法，所述方法包括：

获取训练样本集，所述训练样本集包括样本图片和标注所述样本图片中表格的标注框；

将所述训练样本集输入待训练模型，通过所述待训练模型的分割网络对所述样本图片中的表格进行预测，输出表格预测分割图，以及通过所述待训练模型的检测网络对所述样本图片中与所述样本图片的面积之比大于阈值的目标表格进行预测，输出表格预测框的位置信息；

根据所述表格预测分割图与所述标注框之间的差异，以及所述表格预测框的位置信息与所述目标表格对应的目标标注框之间的差异，更新所述待训练模型的网络参数，直至所述待训练模型的损失函数值小于或等于预设值，以得到所述表格检测模型；

其中，通过所述待训练模型的检测网络对所述样本图片中与所述样本图片的面积之比大于阈值的目标表格进行预测，输出表格预测框的位置信息，包括：

从所述样本图片对应的各标注框中，筛选出与所述目标表格对应的目标标注框；

获取与所述样本图片的特征图中的每个特征区域对应的多个候选框；

根据所述多个候选框中与所述目标标注框之间的交并比大于比率阈值的目标候选框对应的局部特征，预测得到所述表格预测框的位置信息。

2.如权利要求1所述的表格检测模型的训练方法，还包括：

从所述分割网络中获取与所述目标候选框的位置对应的全局特征；

并且其中，所述根据所述多个候选框中与所述目标标注框之间的交并比大于比率阈值的目标候选框对应的局部特征，预测得到表格预测框的位置信息，包括：

将所述目标候选框对应的所述局部特征和所述全局特征进行融合，得到融合特征；

根据所述融合特征预测得到所述表格预测框的位置信息。

3.如权利要求2所述的表格检测模型的训练方法，其中，所述将所述目标候选框对应的所述局部特征和所述全局特征进行融合，得到融合特征，包括：

基于同位元素相加算法，将所述目标候选框对应的所述局部特征和所述全局特征进行融合，得到中间融合特征；

对所述中间融合特征进行卷积处理，得到所述融合特征。

4.如权利要求1-3中任一项所述的表格检测模型的训练方法，其中，所述表格预测分割图包括预测概率图、预测阈值图和预测二值图，

并且其中，所述根据所述表格预测分割图与所述标注框之间的差异，以及所述表格预测框的位置信息与所述目标表格对应的目标标注框之间的差异，更新所述待训练模型的网络参数，包括：

根据所述预测概率图、所述预测阈值图和所述预测二值图分别与所述标注框之间的差异，计算分割网络损失函数值；

根据所述目标标注框的位置信息、所述表格预测框的位置信息分别与所述目标候选框的位置信息之间的差异，计算检测网络损失函数值；

在所述分割网络损失函数值与所述检测网络损失函数值之和大于所述预设值的情况下，更新所述待训练模型的网络参数。

5.如权利要求4所述的表格检测模型的训练方法，其中，所述根据所述目标标注框的位置信息、所述表格预测框的位置信息分别与所述目标候选框的位置信息之间的差异，计算检测网络损失函数值，包括：

基于第一预设公式，根据表格预测框的位置信息相对所述目标候选框的位置信息的第一转换值及所述目标标注框的位置信息相对所述目标候选框的位置信息的第二转换值，确定平滑损失函数值；

基于第二预设公式，根据所述平滑损失函数值计算得到所述检测网络损失函数值。