[发明专利]一种解决PDF中复杂流程图的自动识别与解析方法

摘要

本发明公开了一种解决PDF中复杂流程图的自动识别与解析方法，具体按照以下步骤实施：步骤1、对初始文档进行处理；步骤2、基于Faster R‑CNN提取图片中所需框图的坐标；步骤3、根据步骤2获取的坐标与OCR判断实体之间的指向关系；步骤4、基于复杂网络分析库NetworkX构建指向关系的复杂网络。通过对文件的处理(L(x))和图片的处理(H(x))，过滤出纯文本等文档并将流程图页面转化成图片，减轻了Faster R‑CNN的工作时长。通过Faster R‑CNN来提取所需目标框图的坐标，可以同时提取所有类型的目标框图坐标，提升了识别图像中目标坐标的效率。